Percée en matière de vision industrielle : cet appareil peut voir des millions de couleurs

Une équipe interdisciplinaire de chercheurs de Northeastern a construit un appareil capable de reconnaître « des millions de couleurs » à l’aide de nouvelles techniques d’intelligence artificielle – une étape majeure, disent-ils, dans le domaine de la vision industrielle, un espace hautement spécialisé avec de larges applications pour une gamme de les technologies.

La machine, que les chercheurs appellent « A-Eye », est capable d'analyser et de traiter les couleurs avec beaucoup plus de précision que les machines existantes, selon un article détaillant la recherche publiée dans Materials Today. La capacité des machines à détecter ou à « voir » la couleur est une caractéristique de plus en plus importante à mesure que l’industrie et la société dans son ensemble deviennent plus automatisées, explique Swastik Kar, professeur agrégé de physique à Northeastern et co-auteur de la recherche.

"Dans le monde de l'automatisation, les formes et les couleurs sont les éléments les plus couramment utilisés par une machine pour reconnaître des objets", explique Kar.

La percée est double. Les chercheurs ont réussi à concevoir un matériau bidimensionnel dont les propriétés quantiques spéciales, lorsqu'elles sont intégrées dans une fenêtre optique utilisée pour laisser entrer la lumière dans la machine, peuvent traiter une riche diversité de couleurs avec une « très grande précision » – ce que les praticiens du domaine n'ont pas encore fait. pu réaliser auparavant.

De plus, A-Eye est capable de « reconnaître et reproduire avec précision les couleurs « vues » sans aucun écart par rapport à leur spectre d'origine », grâce également aux algorithmes d'apprentissage automatique développés par une équipe de chercheurs en IA, dirigée par Sarah Ostadabbas, assistante. professeur de génie électrique et informatique à Northeastern. Le projet est le résultat d'une collaboration unique entre les matériaux quantiques de Northeastern et les laboratoires de cognition augmentée.

L’essence de la découverte technologique est centrée sur les propriétés quantiques et optiques de la classe de matériaux appelés dichalcogénures de métaux de transition. Les chercheurs saluent depuis longtemps ces matériaux uniques comme ayant un « potentiel pratiquement illimité », avec de nombreuses « applications électroniques, optoélectroniques, de détection et de stockage d’énergie ».

"Il s'agit de ce qui arrive à la lumière lorsqu'elle traverse la matière quantique", explique Kar. "Lorsque nous cultivons ces matériaux sur une certaine surface, puis laissons passer la lumière à travers celle-ci, ce qui sort de cette autre extrémité, lorsqu'il tombe sur un capteur, est un signal électrique que le groupe [d'Ostadabbas] peut alors traiter comme des données. »

En ce qui concerne la vision industrielle, il existe de nombreuses applications industrielles pour cette recherche, liées entre autres aux véhicules autonomes, au tri agricole et à l'imagerie satellitaire à distance, explique Kar.

"La couleur est utilisée comme l'un des principaux éléments permettant de distinguer le "bon" du "mauvais", le "passable" du "non autorisé". Il y a donc ici une implication énorme pour une variété d'utilisations industrielles", explique Kar.

Les machines reconnaissent généralement la couleur en la décomposant, à l'aide de filtres RVB (rouge, vert, bleu) conventionnels, en ses composants constitutifs, puis utilisent ces informations pour deviner et reproduire la couleur d'origine. Lorsque vous pointez un appareil photo numérique sur un objet coloré et prenez une photo, la lumière de cet objet traverse un ensemble de détecteurs dotés de filtres devant eux qui différencient la lumière en ces couleurs RVB primaires.

Vous pouvez considérer ces filtres de couleur comme des entonnoirs qui canalisent les informations ou les données visuelles dans des boîtes séparées, qui attribuent ensuite des « nombres artificiels aux couleurs naturelles », explique Kar.

« Donc, si vous le divisez simplement en trois composants [rouge, vert, bleu], il y a certaines limites », explique Kar.

Au lieu d’utiliser des filtres, Kar et son équipe ont utilisé des « fenêtres transmissives » constituées d’un matériau bidimensionnel unique.

«Nous faisons en sorte qu'une machine reconnaisse les couleurs d'une manière très différente», explique Kar. « Au lieu de la décomposer en ses principales composantes rouge, verte et bleue, lorsqu’une lumière colorée apparaît, par exemple, sur un détecteur, au lieu de simplement rechercher ces composantes, nous utilisons l’intégralité de l’information spectrale. Et en plus de cela, nous utilisons certaines techniques pour les modifier, les encoder, et les stocker de différentes manières. Cela nous fournit donc un ensemble de chiffres qui nous aident à reconnaître la couleur originale de manière beaucoup plus unique que la manière conventionnelle.