মেশিন লার্নিং তাপীয় চিত্রগুলিতে তীক্ষ্ণতা এবং রঙ নিয়ে আসে - পদার্থবিজ্ঞান বিশ্ব

একটি থার্মাল ইমেজিং সিস্টেম যা ইনফ্রারেড ইমেজে থাকা তথ্যগুলিকে বিচ্ছিন্ন করতে মেশিন লার্নিং ব্যবহার করে মার্কিন যুক্তরাষ্ট্রের পারডু বিশ্ববিদ্যালয়ের গবেষকরা উন্মোচন করেছেন। হাডার ডাব করা, সিস্টেমটি প্যাসিভ থার্মাল ইমেজারদের এমন ছবি তৈরি করার অনুমতি দিতে পারে যেগুলি দিনের আলোতে তোলা হয়েছে - অনুসারে জুবিন জ্যাকব এবং সহকর্মীরা।

কম দৃশ্যমানতা এবং রাত্রিকালীন পরিস্থিতিতে চিত্রগুলি সনাক্ত এবং শ্রেণিবদ্ধ করার আমাদের ক্ষমতা সোনার, রাডার এবং লিডারের মতো প্রযুক্তি দ্বারা রূপান্তরিত হয়েছে। এই সিস্টেমগুলির মধ্যে একটি সংকেত (শব্দ, রেডিও, আলো ইত্যাদি) সংকেত পাঠানো এবং প্রতিফলন সনাক্ত করা জড়িত। যাইহোক, এটি একই সিস্টেমের একাধিক সংস্করণের জন্য হস্তক্ষেপ ছাড়াই কাছাকাছি সময়ে ব্যবহার করা কঠিন করে তোলে। এটি স্ব-চালিত যানবাহনের মতো কিছু উদীয়মান প্রযুক্তির জন্য এই প্রযুক্তিগুলিকে অনুপযুক্ত করে তোলে।

থার্মাল ইমেজিং এই সমস্যার একটি সম্ভাব্য সমাধান দেয়, যেহেতু এটি বস্তুর দ্বারা নির্গত ইনফ্রারেড বিকিরণ ব্যবহার করে নিস্ক্রিয়ভাবে রাতের দৃশ্যগুলি পর্যবেক্ষণ করতে পারে। যাইহোক, প্রচলিত ইনফ্রারেড ক্যামেরা দ্বারা তোলা ছবিগুলিতে সূক্ষ্ম বৈশিষ্ট্য থাকে না এবং পরিবর্তে ঝাপসা দেখায়। এটি LiDAR-এর মতো প্রযুক্তির প্রতিস্থাপন হিসাবে এই ধরনের ক্যামেরাগুলিকে অনুপযুক্ত করে তোলে।

বিক্ষিপ্ত বিকিরণ

"'অস্পষ্ট' তাপীয় চিত্রগুলির মূল কারণ হল তাপীয় ইমেজিং লক্ষ্যগুলির সরাসরি নির্গমন এবং অন্যান্য পরিবেশগত বস্তুর বিক্ষিপ্ত তাপীয় বিকিরণ উভয়ই সংগ্রহ করে," জ্যাকব ব্যাখ্যা করেন। "সরাসরি নির্গমন সাধারণত বিক্ষিপ্ত সংকেতের চেয়ে দশগুণ বেশি শক্তিশালী হয়, তবে আগেরটি টেক্সচারহীন এবং পরবর্তীটি টেক্সচার বহন করে।"

দৃশ্যমান পরিসরে এই প্রভাবের উদাহরণ হিসাবে, একটি লাইটবাল্ব চিত্রিত করুন। যদিও এটি চালু করার সময় যে উজ্জ্বল আলো নির্গত হয় তাতে বাল্বের পৃষ্ঠের টেক্সচারের কোনও স্পষ্ট বিবরণ থাকে না, এই বিবরণগুলি প্রদর্শিত হবে যখন বাল্বটি অন্য আলোর উত্স দ্বারা আলোকিত হবে।

তাদের গবেষণায়, জ্যাকবের দল তাপীয় ইমেজিংয়ের জন্য অনেক বেশি উন্নত পদ্ধতির বিকাশ করেছে। তাপ-সহায়তা সনাক্তকরণ এবং রেঞ্জিং বা HADAR বলা হয়, এটি দুর্বল, বিক্ষিপ্ত ইনফ্রারেড সংকেতগুলিতে জ্যামিতিক টেক্সচার বাছাই করার জন্য যথেষ্ট সুনির্দিষ্ট।

হাইপারস্পেকট্রাল ইমেজিং

"আমরা তাপীয় চিত্রে বর্ণালী রেজোলিউশনের সাথে মিলিত তাপীয় পদার্থবিদ্যা এবং মেশিন লার্নিং ব্যবহার করে এই লক্ষ্য অর্জন করি," জ্যাকব ব্যাখ্যা করেন। "HADAR হাইপারস্পেকট্রাল থার্মাল ইমেজিং ব্যবহার করে যা তাপীয় ইনফ্রারেডে শত শত বিভিন্ন রঙের জন্য দৃশ্যের তাপীয় চিত্র নেয়।"

আমাদের নিজের চোখে, দৃশ্যমান বর্ণালীর রঙগুলি লাল, সবুজ এবং নীল ফটোরিসেপ্টরগুলির সংমিশ্রণ দ্বারা প্রক্রিয়া করা হয়। তুলনায়, HADAR এটি পর্যবেক্ষণ করা বস্তুর তিনটি মূল বৈশিষ্ট্যের উপর ভিত্তি করে ইনফ্রারেড চিত্র তৈরি করে। এগুলো হল একটি বস্তুর তাপমাত্রা (T); নির্গততা (ই) - যা উপাদান গঠনের সাথে পরিবর্তিত হয়; এবং টেক্সচার (X), যা তাপীয় বিকিরণের অনন্য নিদর্শন তৈরি করে।

এই সমস্ত মানগুলি একটি দৃশ্য দ্বারা নির্গত ইনফ্রারেড আলো থেকে সংগ্রহ করা যেতে পারে, তবে প্রাথমিকভাবে বিশৃঙ্খল কাঁচা ডেটাতে একসাথে মিশ্রিত হয়। কিন্তু মেশিন লার্নিং ব্যবহার করে, টিমের "TeX দৃষ্টি" পদ্ধতির মাধ্যমে ইনফ্রারেড সিগন্যালের দুর্বল জ্যামিতিক বৈশিষ্ট্যগুলি পুনরুদ্ধার করার জন্য তিনটি মূল বৈশিষ্ট্যকে বিচ্ছিন্ন করতে পারে যা সাধারণত ঝাপসা হয়ে যায়।

TeX রং

এটি একটি অ্যালগরিদম ব্যবহার করে করা হয় যা দৃশ্যের বিভিন্ন অংশে বিভিন্ন "রঙ" বরাদ্দ করে। যেহেতু বিভিন্ন উপকরণ তাদের T, e, এবং X মানের সংমিশ্রণ দ্বারা চিহ্নিত করা যেতে পারে, জ্যাকবের দল উপযুক্ত রঙের একটি শব্দার্থিক গ্রন্থাগার তৈরি করতে পারে।

"সিমেন্টিক লাইব্রেরি প্রতিটি শব্দার্থিক লেবেলের জন্য একটি রঙের সাথে আসে, উদাহরণস্বরূপ, জলের জন্য নীল, গাছের জন্য সবুজ এবং বালির জন্য হলুদ," জ্যাকব ব্যাখ্যা করেন। "সামগ্রীর জন্য রংগুলি তাদের দৈনন্দিন চাক্ষুষ চেহারা অনুযায়ী বিশুদ্ধভাবে নির্ধারিত হয়, দিনের আলোর অপটিক্যাল ইমেজিং অনুকরণ করার জন্য।" এই পদ্ধতির সাহায্যে, HADAR কম দৃশ্যমানতা এবং রাতের সময় দৃশ্যগুলিকে ইমেজ করতে পারে কারণ তারা দিনের আলোতে প্রদর্শিত হয়।

একক-ফটোন LIDAR সিস্টেম পানির নিচে 3D বস্তুর ছবি তোলে

গবেষকরা স্বীকার করেছেন যে HADAR ব্যাপকভাবে উপলব্ধ হওয়ার আগে এখনও কিছু উপায় রয়েছে, বিশেষ করে যেহেতু বর্তমানে উপলব্ধ হাইপারস্পেকট্রাল থার্মাল ইমেজারগুলি ভারী, ধীর এবং ব্যয়বহুল। তবুও আরও গবেষণার মাধ্যমে, তারা আশাবাদী যে এই চ্যালেঞ্জগুলি আগামী কয়েক বছরে মোকাবেলা করা যেতে পারে - যা HADAR-এর জন্য উচ্চ-গতি, কমপ্যাক্ট এবং লাইটওয়েট থার্মাল ইমেজারগুলির দিকে পরিচালিত করবে।

যদি অর্জন করা হয়, প্রযুক্তিটি দরকারী অ্যাপ্লিকেশনগুলির বিস্তৃত অ্যারেতে নতুন সুযোগ খুলতে পারে। "আমরা মনে করি HADAR স্বায়ত্তশাসিত নেভিগেশন, রোবোটিক্স, স্মার্ট স্বাস্থ্যসেবা পর্যবেক্ষণের জন্য দরকারী হতে পারে, বিশেষ করে রাতে," জ্যাকব বলেছেন৷ "অনেক বন্য প্রাণী শুধুমাত্র রাতে সক্রিয় থাকে যেখানে নিয়মিত ক্যামেরা কাজ করে না, আমরা মনে করি HADAR বন্যপ্রাণী পর্যবেক্ষণের জন্যও কার্যকর হতে পারে।"

HADAR পদ্ধতিতে বর্ণনা করা হয়েছে প্রকৃতি.

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
• ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
• উত্স: https://physicsworld.com/a/machine-learning-brings-sharpness-and-colour-to-thermal-images/