IA en el sensor que mejora las imágenes espectrales

Un fotodetector integrado de aprendizaje automático permite el reconocimiento en tiempo real, lo que reduce las demandas de energía y acelera la detección óptica para entornos complejos.

Las imágenes espectrales son una herramienta vital para analizar materiales, monitorear cultivos y rastrear contaminantes.Pero los sistemas convencionales enfrentan un desafío importante, ya que producen grandes cantidades de datos que deben enviarse a un procesador independiente para su análisis.Esto ralentiza el reconocimiento de objetos y consume grandes cantidades de energía, lo que limita la velocidad y la eficiencia de las aplicaciones de IA.Los investigadores necesitaban un sensor capaz de realizar un reconocimiento inteligente directamente durante la captura de imágenes.

Los científicos del Laboratorio Nacional Lawrence Berkeley desarrollaron un sensor mejorado con IA, el primero de su tipo, para satisfacer esta necesidad.El dispositivo fue diseñado para integrar el aprendizaje automático en el proceso de fotodetección, eliminando la necesidad de un posprocesamiento digital denso y permitiendo la identificación en tiempo real de los objetos objetivo.

El sensor puede identificar objetos en tiempo real "olfateando" características espectrales de imágenes de ejemplo y aplicando ese conocimiento a escenas nuevas e invisibles.La luz que incide sobre el sensor se convierte en una corriente eléctrica cuya intensidad corresponde al contenido espectral.Al ajustar la capacidad de respuesta del sensor, resalta las firmas deseadas y suprime los datos irrelevantes.Esta señal analógica realiza de manera efectiva cálculos que imitan los algoritmos de aprendizaje automático, eliminando la necesidad de un procesamiento digital por separado.

Durante el entrenamiento, el sensor examina los píxeles etiquetados de imágenes de ejemplo y aprende qué características corresponden a los objetivos y cuáles al fondo.Cuando se le presentan nuevas imágenes, genera señales positivas solo para el objetivo, lo que demuestra la capacidad de generalizar a datos invisibles.Este enfoque reduce drásticamente la transferencia de datos, aumenta la velocidad de procesamiento y reduce el consumo de energía en comparación con las imágenes espectrales tradicionales.

El profesor Ali Javey, EECS & MSE, UC Berkeley, quien dirigió este trabajo de investigación, dice: "Para mí, la parte más emocionante es dotar de inteligencia a los sensores".El sensor se entrenó con imágenes de ejemplo utilizando píxeles etiquetados y luego se probó con nuevos datos.Identificó con éxito objetos como pájaros, estados de hidratación de las hojas, espesor de la capa de óxido en semiconductores y sustancias químicas transparentes.Al codiseñar hardware y algoritmos, el equipo ha abierto nuevas posibilidades para la visión mediante IA y la detección óptica más allá de las imágenes espectrales.