Un sistema de imágenes térmicas que utiliza el aprendizaje automático para desentrañar la información contenida en las imágenes infrarrojas ha sido presentado por investigadores de la Universidad de Purdue en los EE. UU. Apodado HADAR, el sistema podría permitir que las cámaras termográficas pasivas creen imágenes que parecen tomadas a plena luz del día, según zubin jacob y colegas

Nuestra capacidad para detectar y clasificar imágenes en condiciones nocturnas y de baja visibilidad ha sido transformada por tecnologías como sonar, radar y LiDAR. Estos sistemas implican el envío de una señal (sonido, radio, luz, etc.) y la detección de reflejos. Sin embargo, esto dificulta el uso de múltiples versiones del mismo sistema en estrecha proximidad sin que se produzcan interferencias. Esto hace que estas tecnologías no sean adecuadas para algunas tecnologías emergentes, como los vehículos autónomos.

La termografía ofrece una posible solución a este problema, ya que puede observar de forma pasiva escenas nocturnas utilizando la radiación infrarroja emitida por los objetos. Sin embargo, las imágenes tomadas con cámaras infrarrojas convencionales tienden a no tener características finas y, en cambio, aparecen borrosas. Esto hace que estas cámaras no sean adecuadas como sustitutos de tecnologías como LiDAR.

Radiación dispersa

“La razón clave de las imágenes térmicas 'borrosas' es que las imágenes térmicas recopilan tanto la emisión directa de los objetivos como la radiación térmica dispersa de otros objetos ambientales”, explica Jacob. “La emisión directa suele ser diez veces más fuerte que la señal dispersa, pero la primera no tiene textura mientras que la segunda lleva las texturas”.

Como ejemplo de este efecto en el rango visible, imagina una bombilla. Si bien la luz brillante que emite cuando se enciende no contiene ningún detalle perceptible de texturas en la superficie de la bombilla, estos detalles aparecerán cuando la bombilla esté iluminada por otra fuente de luz.

En su estudio, el equipo de Jacob desarrolló un enfoque mucho más avanzado para la termografía. Llamado detección y alcance asistidos por calor o HADAR, es lo suficientemente preciso como para detectar texturas geométricas en señales infrarrojas débiles y dispersas.

Imágenes hiperespectrales

“Logramos este objetivo utilizando física térmica y aprendizaje automático, combinados con resolución espectral en imágenes térmicas”, explica Jacob. "HADAR utiliza imágenes térmicas hiperespectrales que toman imágenes térmicas de la escena para cientos de colores diferentes en el infrarrojo térmico".

A nuestros propios ojos, los colores en el espectro visible son procesados ​​por una combinación de fotorreceptores rojos, verdes y azules. En comparación, HADAR construye imágenes infrarrojas basadas en tres atributos clave de los objetos que observa. Estos son la temperatura de un objeto (T); emisividad (e) – que varía con la composición del material; y textura (X), que genera patrones únicos de radiación térmica.

Todos estos valores se pueden obtener de la luz infrarroja emitida por una escena, pero inicialmente se mezclan en los datos sin procesar desordenados. Pero utilizando el aprendizaje automático, el enfoque de "visión TeX" del equipo puede desentrañar los tres atributos clave para recuperar las características geométricas débiles en las señales infrarrojas que normalmente se ven borrosas.

colores TeX

Esto se hace usando un algoritmo que asigna diferentes “colores” a diferentes partes de la escena. Dado que los diferentes materiales pueden identificarse mediante una combinación de sus valores T, e y X, el equipo de Jacob pudo construir una biblioteca semántica de colores adecuados.

“La biblioteca semántica viene con un color para cada etiqueta semántica, por ejemplo, azul para agua, verde para árbol y amarillo para arena”, explica Jacob. “Los colores de los materiales se determinan puramente de acuerdo con su apariencia visual diaria, para imitar las imágenes ópticas de la luz del día”. Con este enfoque, HADAR podría obtener imágenes de escenas nocturnas y de baja visibilidad tal como aparecen a plena luz del día.

El sistema LIDAR de fotón único captura imágenes de objetos 3D bajo el agua

Los investigadores reconocen que todavía queda mucho camino por recorrer antes de que HADAR esté ampliamente disponible, especialmente porque las cámaras termográficas hiperespectrales disponibles actualmente son voluminosas, lentas y costosas. Sin embargo, a través de más investigaciones, tienen la esperanza de que estos desafíos puedan abordarse en los próximos años, lo que conducirá a cámaras termográficas de alta velocidad, compactas y livianas para HADAR.

Si se logra, la tecnología podría abrir nuevas oportunidades en una amplia gama de aplicaciones útiles. “Creemos que HADAR puede ser útil para la navegación autónoma, la robótica y el control inteligente de la atención médica, especialmente de noche”, dice Jacob. "Muchos animales salvajes solo están activos por la noche, donde las cámaras normales no funcionan, creemos que HADAR también puede ser útil para monitorear la vida silvestre".

El sistema HADAR se describe en Naturaleza.

• Distribución de relaciones públicas y contenido potenciado por SEO. Consiga amplificado hoy.
• PlatoData.Network Vertical Generativo Ai. Empodérate. Accede Aquí.
• PlatoAiStream. Inteligencia Web3. Conocimiento amplificado. Accede Aquí.
• PlatoESG. Automoción / vehículos eléctricos, Carbón, tecnología limpia, Energía, Ambiente, Solar, Gestión de residuos. Accede Aquí.
• PlatoSalud. Inteligencia en Biotecnología y Ensayos Clínicos. Accede Aquí.
• ChartPrime. Eleve su juego comercial con ChartPrime. Accede Aquí.
• Desplazamientos de bloque. Modernización de la propiedad de compensaciones ambientales. Accede Aquí.
• Fuente: https://physicsworld.com/a/machine-learning-brings-sharpness-and-colour-to-thermal-images/