Věda a výzkum       Akademon       Vesmír       Osel       AVO       Chemagazín TOPlist CZ     EN       Kontakt
Laboratorní průvodce - na titulní stranu
Databáze:   Laboratorní přístroje        Firmy        Zastoupení        E-obchody        Novinky 
Hledání:  
 
Ostatní:       Nástroje        Encyklopedie        Tabulky 
Kalendář :   19.10.2020 - 22.10.2020 Analytica 2020
  21.10.2020 Webinář: LC-MS/MS trojitý kvadrupól
  23.10.2020 Online seminář: AI a data - nové právní výzvy
  4.11.2020 Webinář: LC-MS/MS trojitý kvadrupól
  10.11.2020 SCIENCE COMMUNICATION 2020
Reklama
Čip pro analýzy obrazu s vestavěnou neuronovou sítí

Ultra-rychlý obrazový senzor vyvinuli vědci z TU Vídeň. Je složen z obrazového senzoru s navazující malou neuronovou sítí. Po nezbytném procesu učení pak senzor neprodukuje výstup digitálního obrazu složeného z pixelů, ale již předzpracovanou informaci o objektu. Takto lze analyzovat obraz v časech řádu nanosekund. Jde o opravdu revoluční technologii, která jistě najde uplatnění.

Datum: 10.3.2020

analýza obrazu, neuronové sítě


 

Sdílet na Facebooku   Odeslat na Twitter

Analýza obrazu je v současnosti běžně využívána - čtení písma, rozpoznání obličeje či otisků prstů, diagnóza povrchu kůže, navigace samo-řiditelných aut, řízení robotů a mnoho dalšího.
Princip analýzy je ale vždy stejný - kamera posílá obraz v digitální formě signálů z jednotlivých pixelů do výkonného počítače, který následně provede analýzu. Toto je však problémem, pokud potřebujeme získat odpověď velice rychle, v řádu milisekund. Systémem protéká velké množství dat a i ten nejrychlejší počítač má co dělat, aby výsledek zvládl.

Vědci z TU Vídeň vytvořili speciální senzor z 2D materiálů, který dokáže obraz již dopředu analyzovat přímo v kameře. První vrstva funguje jako klasická kamera a je založena na snímání pixelů pomocí jen tří-atomové vrstvičky diselenidu wolframu. Signál z pixelů je následně veden do druhé ploché vrstvy, která funguje podobně jako neuronová síť. To znamená, že jednotlivé elementy (neurony) jsou vzájemně propojeny, předávají si signály a na výstupu se pak objeví něco, co aktivovalo neurony výstupní.
Propojení mezi neurony je především modifikovatelné a síť se tak dá naučit rozpoznávání určitých vzorů. Síť se učí externě, pomocí počítačového programu. Celý senzor tak projde procesem učení za pomoci počítače a následně již funguje nezávisle.

Typickým příkladem je učení rozpoznávání písma. Senzory se naučí tak, aby po zobrazení určitého písmene poslaly na výstup přímo už jen číslo, které reprezentuje toto písmeno. Odpadá tím masivní tok obrazových dat do centrálního počítače a samotné rozpoznání je o několik řádů rychlejší než u klasických systémů. Rozpoznání písmene trvalo na testovacím prototypu pouhých 50 ns.

Reklama

Existující prototyp senzoru je poměrně malý, ale vědci mají optimistické vyhlídky. Nejde totiž jen o jednoduché aplikace typu rozpoznání jablek od banánů, ale o rozpoznání obrazů, které se v praxi mohou hodit i při masívnějším nasazení. Jde například o sledování materiálu, na kterém se někde objeví trhliny. Obvykle není zapotřebí zaznamenávat samotný obraz, ale jen pouhou informaci odkud a kam se trhlina šíří, jak je velká? To je právě oblast, na kterou výzkumníci míří a kde očekávají největší uplatnění.


Zdrojem informací je Chemeurope.
Kredit obrázku: Joanna Symonowicz, TU Wien

Pro kompletní informace si přečtěte  celý článek.

 

Reklama

Reklama