视觉传感器

机器学习为电脑的眼睛塑造微波

研究人员开发了一种使用微波识别物体的方法,该方法提高了准确性,同时减少了相关的计算时间和功率要求。
作者: 肯 · 金格里 2020年1月15日
礼貌: 杜克大学

杜克大学的工程师与法国尼斯体质研究所一起,开发了一种使用微波识别物体的方法,该方法提高了准确性,同时减少了相关的计算时间和功率要求。

该系统可以在两者都至关重要的领域,如自主车辆、安全检查和运动传感,提高物体识别和速度。

机器学习方法去掉了中间人,跳过了为人类分析创建图像的步骤,而是直接分析纯数据。它还共同确定显示最重要数据的最佳硬件设置,同时发现最重要的数据实际上是什么。在一项原理验证研究中,该设置使用数万次测量来正确识别一组 3D 数字,而不是通常需要的数百或数千个。

结果是杜克大学詹姆斯 · B · 杜克大学电气和计算机工程杰出教授大卫 · R · 史密斯和杜克大学生物医学工程助理教授罗克 · 霍斯特迈尔的合作。

霍斯迈耶说: “物体识别方案通常会进行测量,然后不厌其烦地制作一幅供人们观看和欣赏的图像。”, “但这是低效的,因为计算机根本不需要 '看' 一个图像。”

亚伦 · 迪博尔德补充道: “这种方法绕过了这一步,允许程序捕捉图像形成过程可能遗漏的细节,而忽略了它不需要的场景的其他细节。”, 史密斯实验室的研究助理。“我们基本上是试图直接从机器的眼睛里看到物体。”

在这项研究中,研究人员使用了一种超材料天线,它可以将微波波锋塑造成许多不同的形状。在这种情况下,超材料是一个 8 × 8 的正方形网格,每个正方形都包含电子结构,允许它动态调整到阻挡或发射微波。

一个由机器学习算法开发的波形图 (右) 及其强度水平 (左) 的例子,以最好地阐明被识别物体的最重要特征。礼貌: 杜克大学

一个由机器学习算法开发的波形图 (右) 及其强度水平 (左) 的例子,以最好地阐明被识别物体的最重要特征。礼貌: 杜克大学

使用此对象识别,无线电波源 (后面板) 创建波前 (中间面板) 这是由超材料屏幕形成的,该屏幕允许波在某些地方通过,但在其他地方 (前面板) 不行。然后,机器学习找到照亮物体最有用特征的波形。该方法提高了精度,同时减少了计算时间和功率要求。

对于每次测量,智能传感器都会选择几个正方形让微波通过。这创造了一种独特的微波模式,它从被识别的物体上反弹回来,并返回到另一个类似的超材料天线。传感天线还使用有源正方形图案来添加更多选项来形成反射波。然后计算机分析输入信号并试图识别目标。

通过对不同的变化重复这个过程几千次, 机器学习算法最终发现哪些信息是最重要的,以及发送和接收天线上的哪些设置最适合收集它们。

史密斯实验室的研究助理 Mohammadreza Imani 说: “发射器和接收器一起工作,由机器学习算法一起设计。”。"它们是联合设计和优化的,以捕捉与手头任务相关的功能."

菲利普 · 德尔 · 霍根说: “如果你知道你的任务,并且你知道会发生什么样的场景,你可能不需要捕捉所有可能的信息。”, 尼斯体质研究所的博士后研究员。“这种测量和处理的共同设计使我们能够利用所有先验的我们对任务、场景和测量限制的了解,以优化整个传感过程。"

经过训练后,机器学习算法落在一小群设置上,这些设置可以帮助它将数据的小麦从谷壳中分离出来,减少测量次数, 它需要时间和计算能力。代替传统微波成像系统通常要求的数百甚至数千次测量,它可以在不到 10 次测量中看到物体。

这种改进水平是否会扩展到更复杂的传感应用是一个悬而未决的问题。但是研究人员已经在试图利用他们的概念来优化下一代计算机界面的手部动作和手势识别。还有许多其他领域需要改进微波传感,这些类型的超材料的小尺寸、低成本和易于制造性使其成为未来设备的有希望的候选者。

在一种新型的物体识别中,无线电波源 (后面板) 产生波前 (中间面板) 这是由超材料屏幕形成的,该屏幕允许波在某些地方通过,但在其他地方 (前面板) 不行。然后,机器学习找到照亮物体最有用特征的波形。该方法提高了精度,同时减少了计算时间和功率要求。礼貌: 杜克大学

在一种新型的物体识别中,无线电波源 (后面板) 产生波前 (中间面板) 这是由超材料屏幕形成的,该屏幕允许波在某些地方通过,但在其他地方 (前面板) 不行。然后,机器学习找到照亮物体最有用特征的波形。该方法提高了精度,同时减少了计算时间和功率要求。礼貌: 杜克大学

Del Hougne 说: “微波对于隐蔽威胁检测、为无人驾驶汽车识别道路上的物体或在辅助生活设施中监控紧急情况等应用来说是理想的。”。“当你考虑所有这些应用程序时,你需要尽可能快地感知,所以我们希望我们的方法将有助于使这些想法成为可靠的现实。”

杜克大学

Www.duke.edu

-由副主编 Chris Vavra 编辑,yabo2009,CFE 媒体和技术,Cvavra@cfemedia.com


肯 · 金格里
作者简历:肯 · 金格里,杜克大学高级科学传播专家