دید در شب با هوش مصنوعی

آینده دید در شب

توسعه HADAR پتانسیل تحول قابلیت‌های دید در شب خودروهای خودکار و ربات‌ها را دارد. این تکنولوژی از تصویربرداری حرارتی سنتی بهره‌مندی می‌کند و با استفاده از یادگیری ماشین، قابلیت شناسایی دقیق اشیاء بر اساس نشانه‌های حرارتی را فراهم می‌کند. قابلیت HADAR برای ارائه تصاویر دقیق و واضح بدون توجه به مشکلات بصری، می‌تواند رویکردی نوین در درک محیط توسط سیستم‌های خودکار فراهم آورد.

هرچند چالش‌ها همچنان وجود دارند، اما قابلیت مقیاس‌پذیری و طبیعت غیرفعال HADAR، پیشراننده‌ی پیشرفت‌های آینده در فناوری‌های تصویربرداری و بینایی است. توسعه تکنولوژی HADAR قابلیت‌های قابل توجهی برای بهبود دید کامپیوتری در شب و عملکرد خودروهای خودکار فراهم می‌کند.

مهندسان، HADAR یا تشخیص و محاسبه با کمک حرارت (Heat-Assisted Detection and Ranging) را توسعه داده‌اند. این نوآوری با استفاده از تصویربرداری حرارتی به هوش مصنوعی اجازه می‌دهد تا در تاریکی کامل شب به شکلی مانند روشنایی روز، تصویربرداری کند. این فناوری حرارتی قادر به درک ساختار و عمق محیط و تشخیص ویژگی‌های فیزیکی افراد و محیط‌ها است.

محققان در دانشگاه پوردو با روش خود که پتنت در حال انتظار دارد، دنیای روباتیک و خودکاری را با بهبود در بینایی و درک سنتی ماشین بهبود می‌بخشند.

زوبین جیکوب

Zubin Jacob، دانشیار Elmore مهندسی برق و کامپیوتر در پوردو، اخیراً در پنجاه و یکمین کنفرانس سالانه در مورد فیزیک الکترونیک کوانتومی (PQE) سخنرانی کرد.

زوبین جیکوب، دانشیار مشغول به تدریس در رشته‌ی مهندسی برق و کامپیوتر در دانشکده مهندسی برق و کامپیوتر خانواده المور و پژوهشمند فنلین باو، HADAR یا تشخیص و محاسبه با کمک حرارت (Heat-Assisted Detection and Ranging) را توسعه داده‌اند. پژوهش آنها در جلد 26 ژوئیه مجله مورد بازنگر همتا Nature در جلد مجله نشریه قرار گرفت. ویدئویی در مورد HADAR در یوتیوب موجود است. Nature همچنین یک پادکست را منتشر کرده‌است که شامل یک مصاحبه با جیکوب است.

جیکوب گفته است که انتظار می‌رود تا سال 2030، یکی از هر 10 خودرو به صورت خودکار و بیش از 20 میلیون ربات کمک‌کننده به مردم وجود داشته باشد.

“هر یک از این عوامل، اطلاعات مربوط به محیط اطراف خود را از طریق حسگرهای پیشرفته جمع‌آوری کرده و تصمیماتی را بدون دخالت انسان اتخاذ خواهند کرد”، گفته است. “با این حال، درک هم‌زمان صحنه توسط عوامل مختلف به صورت اساسی غیرممکن است.”

حسگرهای فعال سنتی مانند لیدار (LiDAR)، رادار و سونار سیگنال‌ها را ارسال و سپس آنها را دریافت کرده تا اطلاعات سه بعدی در مورد صحنه جمع‌آوری کنند. این روش‌ها دارای محدودیت‌هایی هستند که با افزایش مقیاس آنها افزایش می‌یابد، از جمله تداخل سیگنال و خطرات برای ایمنی چشمان افراد. در مقایسه، دوربین‌های ویدئویی که بر اساس نور خورشید یا منابع دیگر نوری کار می‌کنند، مزایایی دارند، اما شرایط نور کم مانند شب، مه و باران مانع جدی‌ای هستند.

تصویربرداری حرارتی سنتی یک روش حس‌گری کاملاً غیرفعال است که اشعه حرارتی نامرئی‌ای که از تمام اشیاء در یک صحنه منشأ می‌گیرد، جمع‌آوری می‌کند. این روش می‌تواند از طریق تاریکی، آب و هوای نامساعد و تابش خورشید حس‌گری کند. اما جیکوب گفته است که چالش‌های اساسی از استفاده از این روش امروزه جلوگیری می‌کند.

بائو گفته است: “اشیاء و محیط آنها به طور مداوم اشعه حرارتی را انتشار و پراکنده می‌کنند، که منجر به تصاویر بی‌ساختار و شناخته‌شده به عنوان ‘تأثیر روح’ می‌شود.” “تصاویر حرارتی چهره‌ی یک شخص تنها حاوی حاشیه‌ها و کمی تفاوت دما هستند؛ هیچ ویژگی‌هایی وجود ندارد، به نحوی که انگار یک روح را دیده‌اید. این از دست رفتن اطلاعات، بافت و ویژگی‌ها، مانع درک ماشین با استفاده از تابش حرارتی می‌شود.”

HADAR ترکیبی از فیزیک حرارتی، تصویربرداری فروسرخ و یادگیری ماشین است که راه را برای درک کاملاً غیرفعال و فیزیکی باز کرده است.

جیکوب گفته است: “کار ما اساس‌های اطلاعات‌گرایی در درک حرارتی را می‌سازد تا نشان دهد که تاریکی کامل همان مقدار اطلاعات را حمل می‌کند که روشنایی روز. تکامل انسان‌ها را نسبت به روز ساخته است. درک ماشین از آینده بر این تضاد قدیمی بین روز و شب غلبه خواهد کرد.”

بائو گفته است: “HADAR به وضوح بازیابی بافت را از سیگنال حرارتی پرتوان و دقیقاً متمایز کردن دما، انتشار، و بافت، یا TeX، از تمام اشیاء در یک صحنه را انجام می‌دهد. این تکنولوژی با دیدن بافت و عمق در تاریکی به همان اندازه روز، و همچنین درک ویژگی‌های فیزیکی فراتر از تصویربرداری RGB یا حسگری حرارتی سنتی، از قابلیت‌های متعجب‌کننده‌ای برخوردار است که این امکان را فراهم می‌آورد که از طریق تاریکی کامل مانند روز روشن دیده شود.”

تیم تست‌ها با استفاده از یک صحنه شبی در محیط بیرون جاده HADAR TeX vision را آزمایش کرد.

بائو گفته است: “HADAR TeX vision بازیابی بافت‌ها و مانع تأثیر روح را پشت سر گذاشت. این بازیابی بافت‌های جزئی مانند آبکش‌ها، چین‌های پوست درختان و راه‌آهن‌ها را همچنین جزئیات مرتبط با زمین چمن‌زار بازیابی کرد.”

بهبود‌های اضافی برای HADAR شامل بهبود اندازه سخت‌افزار و سرعت جمع‌آوری داده‌ها می‌شود.

بائو گفته است: “حسگر فعلی بزرگ و سنگین است زیرا الگوریتم‌های HADAR نیاز به بسیاری از رنگ‌های تابش فروسرخ نامرئی دارد. برای استفاده از آن در خودروهای اتوماتیک یا ربات‌ها، ما باید اندازه و قیمت را کاهش دهیم و در عین حال دوربین‌ها را سریع‌تر کنیم. حسگر فعلی حدود یک ثانیه طول می‌کشد تا یک تصویر ایجاد کند، اما برای خودروهای اتوماتیک نیاز به حدود 30 تا 60 هرتز نرخ فریم، یا فریم بر ثانیه داریم.”

کاربردهای ابتدایی HADAR TeX vision شامل خودروهای اتوماتیک و ربات‌هایی است که در محیط‌های پیچیده با انسان‌ها تعامل دارند. این فناوری می‌تواند برای کشاورزی، دفاع، علوم زمین، مراقبت‌های بهداشتی و کنترل و پایش حیات وحش نیز به صورت تکمیلی توسعه یابد.

جیکوب و بائو اختراع HADAR TeX را به دفتر تجاری‌سازی فناوری دانشگاه پوردو اعلام کردند، که برای مالکیت معنوی آن درخواست پتنت داده است. شرکای صنعتی که تمایل به توسعه‌های بیشتر در این فناوری دارند، باید با دیپاک نارولا تماس بگیرند.

پتنت یک اجازه قانونی است که توسط دولت به یک فرد یا شرکت به عنوان مالک اختراع، اختراع نمونه صنعتی یا طرح صنعتی ارائه می‌شود. این اجازه حق انحصاری به مالک اجازه می‌دهد تا از اختراع یا طرح خود به مدت معینی استفاده نماید و از سایر اشخاص یا شرکت‌ها جلوگیری کند که بدون موافقت او از آن استفاده کنند یا آن را تولید کنند.

پتنت‌ها معمولاً به عنوان ابزاری برای تشویق نوآوری و تحقیق و توسعه در صنعت، فناوری و علم به کار می‌روند. با اخذ پتنت، اختراع یا طرح صنعتی مورد حمایت قانونی قرار می‌گیرد و مالکیت معنوی بر روی آن به مدت معین حفظ می‌شود. این امر اجازه می‌دهد که افراد و شرکت‌ها برای سرمایه‌گذاری و توسعه فناوری‌های جدید از حمایت و حقوق حاصل از پتنت‌های خود بهره‌برده و در عین حال از استفاده دیگران بدون اجازه‌ی قانونی خودداری کنند.

منبع: دانشگاه پوردو