Uma lente frontal, ou meta-imager, criada na Universidade Vanderbilt pode potencialmente substituir a óptica de imagem tradicional em aplicações de visão de máquina, produzindo imagens em maior velocidade e usando menos energia.



A nanoestruturação do material da lente em um filtro de metaimager reduz a lente óptica normalmente espessa e permite o processamento frontal que codifica as informações com mais eficiência. Os geradores de imagens são projetados para funcionar em conjunto com um back-end digital para descarregar operações computacionalmente caras em óptica de alta velocidade e baixo consumo de energia. As imagens produzidas têm aplicações potencialmente amplas em sistemas de segurança, aplicações médicas e indústrias governamentais e de defesa.

O professor de engenharia mecânica Jason Valentine, vice-diretor do Instituto Vanderbilt de Ciência e Engenharia em Nanoescala, e o metaimager de prova de conceito de colegas são descritos em um artigo publicado na Nature Nanotechnology .

Outros autores incluem Yuankai Huo, professor assistente de ciência da computação; Xiamen Zhang, pós-doutorado em engenharia mecânica; Hanyu Zheng, Ph.D., agora associado de pós-doutorado no MIT; e Quan Liu, Ph.D. estudante de ciência da computação; e Ivan I. Kravchenko, membro sênior da equipe de P&D do Centro de Ciências de Materiais Nanofásicos, Laboratório Nacional de Oak Ridge.

Esta arquitetura de um meta-imager pode ser altamente paralela e preencher a lacuna entre o mundo natural e os sistemas digitais, observam os autores. “Graças à sua compacidade, alta velocidade e baixo consumo de energia, nossa abordagem pode encontrar uma ampla gama de aplicações em inteligência artificial, segurança da informação e aplicações de visão mecânica”, disse Valentine.

O projeto metaóptico da equipe começou com a otimização de uma óptica composta por duas lentes metassuperficiais que servem para codificar as informações para uma tarefa específica de classificação de objetos. Duas versões foram fabricadas com base em redes treinadas em um banco de dados de números manuscritos e um banco de dados de imagens de roupas comumente usadas para testar vários sistemas de aprendizado de máquina. O meta-imager alcançou 98,6% de precisão em números manuscritos e 88,8% de precisão em imagens de roupas.

Mais informações: Hanyu Zheng et al, Meta-imagens multicanal para acelerar a visão de máquina, Nanotecnologia da Natureza (2024). DOI:10.1038/s41565-023-01557-2
Informações do diário: Nanotecnologia da Natureza

Fornecido pela Universidade Vanderbilt