En front-end lins, eller meta-imager, skapad vid Vanderbilt University kan potentiellt ersätta traditionell bildoptik i maskinseende applikationer, producera bilder med högre hastighet och använda mindre kraft.
Nanostruktureringen av linsmaterial till ett meta-imager-filter minskar den typiskt tjocka optiska linsen och möjliggör front-end-behandling som kodar information mer effektivt. Bilderna är designade för att fungera tillsammans med en digital backend för att ladda beräkningsdyra operationer till höghastighets- och lågeffektsoptik. Bilderna som produceras har potentiellt breda tillämpningar inom säkerhetssystem, medicinska tillämpningar och myndigheter och försvarsindustrier.
Maskinteknikprofessor Jason Valentine, biträdande chef för Vanderbilt Institute of Nanoscale Science and Engineering, och kollegors proof-of-concept meta-imager beskrivs i en artikel publicerad i Nature Nanotechnology .
Andra författare inkluderar Yuankai Huo, biträdande professor i datavetenskap; Xiamen Zhang, en postdoktor i maskinteknik; Hanyu Zheng, Ph.D., nu postdoktor vid MIT; och Quan Liu, en Ph.D. student i datavetenskap; och Ivan I. Kravchenko, senior FoU-anställd vid Center for Nanophase Materials Sciences, Oak Ridge National Laboratory.
Denna arkitektur av en meta-imager kan vara mycket parallell och överbrygga gapet mellan den naturliga världen och digitala system, noterar författarna. "Tack vare dess kompakthet, höga hastighet och låga strömförbrukning kan vårt tillvägagångssätt hitta ett brett utbud av tillämpningar inom artificiell intelligens, informationssäkerhet och maskinseende", sa Valentine.
Teamets meta-optiska design började med att optimera en optik som består av två metasytelinser som tjänar till att koda informationen för en viss objektklassificeringsuppgift. Två versioner tillverkades baserat på nätverk som tränats på en databas med handskrivna siffror och en databas med klädbilder som vanligtvis används för att testa olika maskininlärningssystem. Metabildaren uppnådde 98,6 % noggrannhet i handskrivna siffror och 88,8 % noggrannhet i klädbilder.
Mer information: Hanyu Zheng et al, Multichannel meta-imagers for accelerating machine vision, Nature Nanotechnology (2024). DOI:10.1038/s41565-023-01557-2
Journalinformation: Nanoteknik
Tillhandahålls av Vanderbilt University
