Dans un nouveau type d'identification d'objet, une source d'ondes radio (panneau arrière) crée un front d'onde (panneau central) qui est façonné par un écran en métamatériau qui laisse passer les ondes à certains endroits mais pas à d'autres (panneau avant). L'apprentissage automatique trouve ensuite les formes d'onde qui éclairent les caractéristiques les plus utiles d'un objet. Le procédé améliore la précision tout en réduisant le temps de calcul et les besoins en énergie. Crédit :Mohammadreza Imani, université de Duke
Des ingénieurs de l'Université Duke et de l'Institut de Physique de Nice en France ont développé une nouvelle méthode d'identification d'objets à l'aide de micro-ondes qui améliore la précision tout en réduisant le temps de calcul et les besoins en énergie associés.
Le système pourrait donner un coup de pouce à l'identification et à la vitesse des objets dans les domaines où les deux sont critiques, comme les véhicules autonomes, filtrage de sécurité et détection de mouvement.
La nouvelle approche d'apprentissage automatique élimine les intermédiaires, sauter l'étape de création d'une image pour analyse par un humain et à la place analyser les données pures directement. Il détermine également conjointement les paramètres matériels optimaux qui révèlent les données les plus importantes tout en découvrant simultanément quelles sont réellement les données les plus importantes. Dans une étude de preuve de principe, la configuration a correctement identifié un ensemble de nombres 3-D en utilisant des dizaines de mesures au lieu des centaines ou des milliers généralement requis.
Les résultats paraissent en ligne le 6 décembre dans la revue Sciences avancées et sont une collaboration entre David R. Smith, le James B. Duke Distinguished Professor of Electrical and Computer Engineering à Duke, et Roarke Horstmeyer, professeur adjoint de génie biomédical à Duke.
"Les schémas d'identification d'objets prennent généralement des mesures et se donnent beaucoup de mal pour créer une image que les gens peuvent regarder et apprécier, ", a déclaré Horstmeyer. "Mais c'est inefficace parce que l'ordinateur n'a pas du tout besoin de "regarder" une image."
"Cette approche contourne cette étape et permet au programme de capturer des détails qu'un processus de formation d'image pourrait manquer tout en ignorant d'autres détails de la scène dont il n'a pas besoin, " a ajouté Aaron Diebold, un assistant de recherche dans le laboratoire de Smith. "Nous essayons essentiellement de voir l'objet directement à partir des yeux de la machine."
Dans l'étude, les chercheurs utilisent une antenne en métamatériau qui peut sculpter un front d'onde hyperfréquence en de nombreuses formes différentes. Dans ce cas, le métamatériau est une grille de carrés 8x8, chacun d'eux contient des structures électroniques qui lui permettent d'être réglé dynamiquement pour bloquer ou transmettre les micro-ondes.
Un exemple de motif d'onde (à droite) et ses niveaux d'intensité (à gauche) développés par l'algorithme d'apprentissage automatique pour éclairer au mieux les caractéristiques les plus importantes d'un objet identifié. Crédit :Mohammadreza Imani, université de Duke
Pour chaque mesure, le capteur intelligent sélectionne une poignée de carrés pour laisser passer les micro-ondes. Cela crée un motif micro-ondes unique, qui rebondit sur l'objet à reconnaître et retourne vers une autre antenne métamatérielle similaire. L'antenne de détection utilise également un motif de carrés actifs pour ajouter d'autres options pour façonner les ondes réfléchies. L'ordinateur analyse alors le signal entrant et tente d'identifier l'objet.
En répétant ce processus des milliers de fois pour différentes variations, l'algorithme d'apprentissage automatique découvre finalement quelles informations sont les plus importantes ainsi que quels paramètres sur les antennes d'envoi et de réception sont les meilleurs pour les rassembler.
"L'émetteur et le récepteur agissent ensemble et sont conçus ensemble par l'algorithme d'apprentissage automatique, " a déclaré Mohammadreza Imani, assistant de recherche dans le laboratoire de Smith. « Ils sont conçus et optimisés conjointement pour capturer les fonctionnalités pertinentes pour la tâche à accomplir. »
« Si vous connaissez votre tâche, et tu sais à quel genre de scène t'attendre, vous n'aurez peut-être pas besoin de saisir toutes les informations possibles, " a déclaré Philippe del Hougne, stagiaire postdoctoral à l'Institut de Physique de Nice. « Cette co-conception de la mesure et du traitement nous permet d'exploiter toutes les connaissances a priori que nous avons sur la tâche, contraintes de scène et de mesure pour optimiser l'ensemble du processus de détection."
Après l'entrainement, l'algorithme d'apprentissage automatique a atterri sur un petit groupe de paramètres qui pourraient l'aider à séparer le bon grain des données de l'ivraie, réduire le nombre de mesures, le temps et la puissance de calcul dont il a besoin. Au lieu des centaines voire des milliers de mesures généralement requises par les systèmes d'imagerie micro-ondes traditionnels, il pouvait voir l'objet en moins de 10 mesures.
Que ce niveau d'amélioration s'étende ou non à des applications de détection plus complexes est une question ouverte. Mais les chercheurs essaient déjà d'utiliser leur nouveau concept pour optimiser la reconnaissance des mouvements de la main et des gestes pour les interfaces informatiques de nouvelle génération. Il existe de nombreux autres domaines où des améliorations de la détection par micro-ondes sont nécessaires, et la petite taille, le faible coût et la facilité de fabrication de ces types de métamatériaux en font des candidats prometteurs pour les futurs dispositifs.
« Les micro-ondes sont idéales pour des applications telles que la détection de menaces cachées, l'identification d'objets sur la route pour les voitures sans conducteur ou la surveillance des urgences dans les résidences services, " dit del Hougne. " Quand on pense à toutes ces applications, vous avez besoin que la détection soit aussi rapide que possible, nous espérons donc que notre approche s'avérera utile pour faire de ces idées des réalités fiables."