Les chercheurs ont exploité des techniques d’apprentissage profond pour améliorer la qualité d’image d’une caméra Metalens. La nouvelle approche utilise l'intelligence artificielle pour transformer des images de faible qualité en images de haute qualité, ce qui pourrait rendre ces caméras viables pour une multitude de tâches d'imagerie, notamment des applications de microscopie complexes et des appareils mobiles.
Les métalenses sont des dispositifs optiques ultrafins, souvent d'une épaisseur d'une fraction seulement d'un millimètre, qui utilisent des nanostructures pour manipuler la lumière. Bien que leur petite taille puisse potentiellement permettre des appareils photo extrêmement compacts et légers sans objectifs optiques traditionnels, il a été difficile d'obtenir la qualité d'image nécessaire avec ces composants optiques.
"Notre technologie permet à nos appareils à base de métal de surmonter les limites de la qualité d'image", a déclaré Ji Chen, chef de l'équipe de recherche de l'Université du Sud-Est en Chine. "Cette avancée jouera un rôle important dans le développement futur de produits électroniques d'imagerie grand public hautement portables et pourra également être utilisée dans des applications d'imagerie spécialisées telles que la microscopie."
Dans la revue Lettres d'Optique , les chercheurs décrivent comment ils ont utilisé un type d'apprentissage automatique connu sous le nom de réseau neuronal convolutif multi-échelle pour améliorer la résolution, le contraste et la distorsion des images d'une petite caméra (environ 3 cm × 3 cm × 0,5 cm) qu'ils ont créée en intégrant directement un métal sur une puce d'imagerie CMOS.
"Les caméras intégrées à Metalens peuvent être directement incorporées dans les modules d'imagerie des smartphones, où elles pourraient remplacer les lentilles réfractives traditionnelles", a déclaré Chen. "Ils pourraient également être utilisés dans des appareils tels que des drones, où la caméra de petite taille et légère garantirait la qualité de l'image sans compromettre la mobilité du drone."
La caméra utilisée dans les nouveaux travaux a été précédemment développée par les chercheurs et utilise un métal avec des nano-postes cylindriques en nitrure de silicium de 1 000 nm de haut. Le métal concentre la lumière directement sur un capteur d'imagerie CMOS sans nécessiter aucun autre élément optique.
Bien que cette conception ait créé un très petit appareil photo, l'architecture compacte limitait la qualité de l'image. Ainsi, les chercheurs ont décidé de voir si l'apprentissage automatique pouvait être utilisé pour améliorer les images.
L'apprentissage profond est un type d'apprentissage automatique qui utilise des réseaux de neurones artificiels à plusieurs couches pour apprendre automatiquement des fonctionnalités à partir des données et prendre des décisions ou des prédictions complexes. Les chercheurs ont appliqué cette approche en utilisant un modèle d’imagerie par convolution pour générer un grand nombre de paires d’images de haute et basse qualité. Ces paires d'images ont été utilisées pour entraîner un réseau neuronal convolutif multi-échelle afin qu'il puisse reconnaître les caractéristiques de chaque type d'image et les utiliser pour transformer des images de faible qualité en images de haute qualité.
"Une partie clé de ce travail consistait à développer un moyen de générer la grande quantité de données de formation nécessaires au processus d'apprentissage du réseau neuronal", a déclaré Chen. "Une fois entraînée, une image de mauvaise qualité peut être envoyée de l'appareil vers le réseau neuronal pour traitement, et des résultats d'imagerie de haute qualité sont obtenus immédiatement."
Application du réseau neuronal
Pour valider la nouvelle technique d’apprentissage profond, les chercheurs l’ont utilisée sur 100 images tests. Ils ont analysé deux mesures de traitement d'image couramment utilisées :le rapport signal/bruit maximal et l'indice de similarité structurelle.
Ils ont constaté que les images traitées par le réseau neuronal présentaient une amélioration significative des deux paramètres. Ils ont également montré que cette approche pouvait rapidement générer des données d'imagerie de haute qualité qui ressemblaient beaucoup à celles capturées directement par l'expérimentation.
Les chercheurs conçoivent actuellement des lentilles métalliques dotées de fonctionnalités complexes, telles que l'imagerie couleur ou grand angle, et développent des méthodes de réseau neuronal pour améliorer la qualité d'imagerie de ces lentilles métalliques avancées. Pour rendre cette technologie pratique pour une application commerciale, il faudrait de nouvelles techniques d'assemblage pour intégrer les lentilles métalliques dans les modules d'imagerie des smartphones et un logiciel d'amélioration de la qualité d'image conçu spécifiquement pour les téléphones mobiles.
"Les lentilles métalliques ultra-légères et ultra-minces représentent une technologie révolutionnaire pour l'imagerie et la détection futures", a déclaré Chen. "Tirer parti des techniques d'apprentissage profond pour optimiser les performances de Metalens marque une trajectoire de développement cruciale. Nous prévoyons l'apprentissage automatique comme une tendance vitale pour faire progresser la recherche en photonique."
