Une lentille frontale, ou méta-imageur, créée à l’Université Vanderbilt peut potentiellement remplacer l’optique d’imagerie traditionnelle dans les applications de vision industrielle, produisant des images à une vitesse plus élevée et en utilisant moins d’énergie.
La nanostructuration du matériau de la lentille dans un filtre méta-imageur réduit l’épaisseur typique de la lentille optique et permet un traitement frontal qui code les informations plus efficacement. Les imageurs sont conçus pour fonctionner de concert avec un backend numérique afin de décharger les opérations coûteuses en termes de calcul vers des optiques à haute vitesse et à faible consommation. Les images produites ont des applications potentiellement étendues dans les systèmes de sécurité, les applications médicales et les industries gouvernementales et de défense.
Le professeur de génie mécanique Jason Valentine, directeur adjoint du Vanderbilt Institute of Nanoscale Science and Engineering, et le méta-imageur de validation de principe de ses collègues sont décrits dans un article. publié dans Nature Nanotechnologie.
Parmi les autres auteurs figurent Yuankai Huo, professeur adjoint d’informatique ; Xiamen Zhang, chercheur postdoctoral en génie mécanique ; Hanyu Zheng, Ph.D., maintenant associé postdoctoral au MIT ; et Quan Liu, titulaire d’un doctorat. étudiant en informatique; et Ivan I. Kravchenko, membre principal du personnel de R&D au Centre pour les sciences des matériaux nanophases, Laboratoire national d’Oak Ridge.
Cette architecture de méta-imageur peut être hautement parallèle et combler le fossé entre le monde naturel et les systèmes numériques, notent les auteurs. « Grâce à sa compacité, sa vitesse élevée et sa faible consommation d’énergie, notre approche pourrait trouver un large éventail d’applications dans les domaines de l’intelligence artificielle, de la sécurité de l’information et de la vision industrielle », a déclaré Valentine.
La conception méta-optique de l’équipe a commencé par l’optimisation d’une optique comprenant deux lentilles métasurface qui servent à coder les informations pour une tâche particulière de classification d’objets. Deux versions ont été fabriquées sur la base de réseaux formés sur une base de données de chiffres manuscrits et une base de données d’images de vêtements couramment utilisées pour tester divers systèmes d’apprentissage automatique. Le méta-imageur a atteint une précision de 98,6 % pour les chiffres manuscrits et de 88,8 % pour les images de vêtements.
Plus d’information:
Hanyu Zheng et al, Méta-imageurs multicanaux pour accélérer la vision industrielle, Nature Nanotechnologie (2024). DOI : 10.1038/s41565-023-01557-2