A gépi tanulás élességet és színt kölcsönöz a hőképeknek – Physics World

A gépi tanulás élességet és színt kölcsönöz a hőképeknek – Physics World

Időbélyeg: 19. augusztus 2023. 9:50

HADAR egy fa képe
Tisztább kép: egy fa HADAR-képe, amely hőfizika, infravörös képalkotás és gépi tanulás kombinálásával készült. (Jóvolt: Purdue Egyetem)

Az egyesült államokbeli Purdue Egyetem kutatói bemutattak egy hőképalkotó rendszert, amely gépi tanulást használ az infravörös képeken található információk szétválasztására. A HADAR névre keresztelt rendszer lehetővé teheti a passzív hőkamerák számára, hogy olyan képeket készítsenek, amelyek úgy tűnnek, mintha fényes nappal készültek volna. Zubin Jacob és kollégái.

Az olyan technológiák, mint a szonár, radar és LiDAR átalakították azt a képességünket, hogy észleljük és osztályozzuk a képeket rossz látási viszonyok és éjszakai körülmények között. Ezek a rendszerek jelek (hang, rádió, fény stb.) kiküldését és a visszaverődések észlelését foglalják magukban. Ez azonban megnehezíti, hogy ugyanannak a rendszernek több verzióját is egymás közelében, interferencia nélkül használják. Emiatt ezek a technológiák alkalmatlanok bizonyos feltörekvő technológiákhoz, például az önvezető járművekhez.

Erre a problémára kínál megoldást a hőképalkotás, amely a tárgyak által kibocsátott infravörös sugárzás segítségével képes passzívan megfigyelni az éjszakai jeleneteket. A hagyományos infravörös kamerákkal készített képek azonban általában nem rendelkeznek finom tulajdonságokkal, hanem homályosnak tűnnek. Emiatt az ilyen kamerák nem alkalmasak olyan technológiák helyettesítésére, mint a LiDAR.

Szórt sugárzás

„A „homályos” hőképek fő oka az, hogy a hőképalkotás mind a céltárgyak közvetlen kibocsátását, mind a többi környezeti objektum szórt hősugárzását összegyűjti” – magyarázza Jacob. "A közvetlen kibocsátás általában tízszer erősebb, mint a szórt jel, de az előbbi textúra nélküli, míg az utóbbi hordozza a textúrákat."

Példaként erre a hatásra a látható tartományban, képzeljen el egy villanykörtét. Míg a bekapcsoláskor kibocsátott erős fény nem tartalmaz semmilyen észrevehető részletet az izzó felületén lévő textúrákról, ezek a részletek akkor jelennek meg, amikor az izzót más fényforrás világítja meg.

Tanulmányukban Jacob csapata egy sokkal fejlettebb megközelítést dolgozott ki a hőképalkotás terén. Hővel segített érzékelésnek és távolságmeghatározásnak vagy HADAR-nak hívják, elég precíz ahhoz, hogy gyenge, szórt infravörös jelekben is felvegye a geometriai textúrákat.

Hiperspektrális képalkotás

„Ezt a célt hőfizika és gépi tanulás segítségével érjük el, a hőképek spektrális felbontásával kombinálva” – magyarázza Jacob. "A HADAR hiperspektrális hőképet használ, amely több száz különböző színben készít hőképet a jelenetről a termikus infravörösben."

Saját szemünkben a látható spektrumban lévő színeket vörös, zöld és kék fotoreceptorok kombinációja dolgozza fel. Összehasonlításképpen, a HADAR infravörös képeket épít fel a megfigyelt objektumok három kulcsfontosságú attribútuma alapján. Ezek egy objektum hőmérséklete (T); emissziós tényező (e) – amely az anyag összetételétől függően változik; és textúra (X), amely egyedi hősugárzási mintákat hoz létre.

Mindezek az értékek levehetők a jelenet által kibocsátott infravörös fényből, de kezdetben összekeverednek a zsúfolt nyers adatokban. A gépi tanulással azonban a csapat „TeX vision” megközelítése szétválaszthatja a három kulcsfontosságú tulajdonságot, hogy helyreállítsa az infravörös jelek gyenge geometriai jellemzőit, amelyek általában elmosódnak.

TeX színek

Ez egy olyan algoritmus segítségével történik, amely különböző „színeket” rendel a jelenet különböző részeihez. Mivel a különböző anyagok azonosíthatók a T, e és X értékek kombinációjával, Jacob csapata fel tud építeni egy megfelelő színek szemantikai könyvtárát.

„A szemantikai könyvtár minden szemantikai címkéhez tartozik egy szín, például kék a víz, zöld a fa és sárga a homok számára” – magyarázza Jacob. „Az anyagok színeit pusztán napi vizuális megjelenésük alapján határozzák meg, hogy utánozzák a nappali optikai képalkotást.” Ezzel a megközelítéssel a HADAR gyenge látótávolságú és éjszakai jeleneteket tud úgy leképezni, ahogy azok fényes nappal megjelennek.

A kutatók elismerik, hogy még mindig van mit tenni a HADAR széles körben elérhetővé válásáig, különösen azért, mert a jelenleg rendelkezésre álló hiperspektrális hőkamerák terjedelmesek, lassúak és drágák. A további kutatások révén azonban remélik, hogy ezeket a kihívásokat a következő néhány évben meg lehet majd oldani, ami nagy sebességű, kompakt és könnyű hőkamerákat eredményez a HADAR számára.

Ha megvalósul, a technológia új lehetőségeket nyithat meg a hasznos alkalmazások széles körében. „Úgy gondoljuk, hogy a HADAR hasznos lehet az autonóm navigációhoz, a robotikához és az intelligens egészségügyi felügyelethez, különösen éjszaka” – mondja Jacob. "Sok vadon élő állat csak éjszaka aktív, ahol a szokásos kamerák nem működnek, úgy gondoljuk, hogy a HADAR hasznos lehet a vad megfigyelésére is."

A HADAR rendszer leírása a Természet.

Időbélyeg:

Még több Fizika Világa