Sensor Inteligente con IA Detecta Firmas Espectrales en Cultivos y Hojas a Velocidad Inigualable

Laboratorio Nacional Lawrence Berkeley, Berkeley, CA

Los científicos del Laboratorio Berkeley han desarrollado un sensor inteligente que primero "olfatea" las características espectrales de interés en objetos de ejemplo —aquí un tipo de cultivo (arriba) o una hoja (abajo). Luego busca los objetivos especificados en un nuevo entorno —uno que no ha visto antes—, evitando el procesamiento digital engorroso. (Imagen: Ali Javey/Berkeley Lab)

Avance en Imagen Espectral con IA Integrada

Las herramientas de imagen espectral —cámaras que capturan colores más allá del espectro RGB visible para nuestros ojos— son vitales para obtener información sobre las propiedades materiales y estructurales de un objeto. Combinarlas con aprendizaje automático ha proporcionado una poderosa cadena de identificación de características en aplicaciones del mundo real, como la fabricación de semiconductores, el seguimiento de contaminantes y la monitorización de cultivos.

Al integrar algoritmos de IA en el propio sensor de la cámara, investigadores del Laboratorio Nacional Lawrence Berkeley (Berkeley Lab) del Departamento de Energía han eliminado un cuello de botella en el procesamiento de datos que ha lastrado durante mucho tiempo el rendimiento de la tecnología de imagen espectral. El resultado es un sensor inteligente capaz de identificar sustancias químicas y caracterizar materiales de forma rápida y eficiente.

"Nos centramos en mejorar la velocidad, la resolución y la eficiencia energética de las tecnologías de visión artificial espectral existentes en más de dos órdenes de magnitud", afirmó Ali Javey, el científico que dirigió el estudio publicado en Science. Javey es Científico Principal en Berkeley Lab y Profesor de ciencia e ingeniería de materiales en UC Berkeley. El trabajo se realizó en estrecha colaboración con Aydogan Ozcan en UCLA.

El diseño del sensor ilustra cómo se puede incorporar una funcionalidad novedosa en los propios dispositivos semiconductores para mejorar su eficiencia y utilidad, y permitir una nueva clase de hardware de visión con IA.

El Problema: Separación entre Sensor y Procesamiento

Las tecnologías actuales de imagen espectral tienen módulos de sensor y computacionales separados. El sensor primero captura una pila de imágenes, cada una correspondiente a un color determinado. Luego, la densa pila de imágenes se envía a un procesador digital para su posterior cálculo, lo que produce los resultados de identificación de objetos. Ahí surgen los problemas.

"Los sensores deben recopilar y enviar muchos más datos al procesador digital que las cámaras normales, aproximadamente entre diez y cien veces mayor en volumen", explicó Dehui Zhang, investigador postdoctoral en la División de Ciencias de Materiales de Berkeley Lab y autor principal del estudio. Como consecuencia, el hardware del sensor y del computador a menudo se satura, haciendo que las tareas de reconocimiento de objetos sean extremadamente lentas y consumidoras de energía.

La Solución: Cómputo durante la Fotodetección

En su lugar, el equipo de Berkeley Lab desarrolló sensores que realizan cómputo de IA y análisis espectral durante el propio proceso de captura de imagen —o fotodetección.

"La fotodetección puede percibirse como un proceso computacional físico automático", explicó Zhang. Cuando la luz incide en el sensor, su intensidad se mapea automáticamente a la fuerza de una corriente eléctrica. Dado que la responsividad del sensor a la luz puede ajustarse fácilmente, los investigadores tienen una perilla de ajuste para seleccionar qué firmas espectrales se destacan y cuáles se suprimen. La corriente que sale del sensor para ser leída por un circuito sirve, por tanto, como una inferencia sobre el contenido espectral de la imagen.

"Demostramos que el proceso computacional se asemelha matemáticamente a un algoritmo típico utilizado para el aprendizaje automático digital", dijo Zhang. Esta analogía permitió usar el sensor como un computador de aprendizaje automático y realizar los cálculos de aprendizaje automático sobre la propia luz entrante.

"Para mí, la parte más emocionante es el concepto de dotar de inteligencia a los sensores", afirmó Javey. Los sensores normales simplemente recopilan información ambiental cruda, dejando las tareas de reconocimiento inteligente a los procesadores digitales.

Al co-diseñar los materiales semiconductores, los dispositivos y los algoritmos, el equipo permitió que los sensores aprendan y calculen sin necesidad de post-procesamiento digital de datos.

Aplicaciones Más Allá de la Identificación de Aves

Pero las aplicaciones de la tecnología van mucho más allá de identificar aves. Utilizando fotodiodos de fósforo negro, los investigadores demostraron experimentalmente varias posibilidades intrigantes. Identificaron con éxito el espesor de capas de óxido en muestras de semiconductores —que los gigantes de la fabricación necesitan que sean perfectamente uniformes—, así como estados de hidratación en diferentes hojas de plantas, segmentación de objetos en imágenes ópticas y sustancias químicas transparentes en una placa de Petri.

"Soy optimista sobre el futuro de estos dispositivos para aplicaciones más amplias", dijo Javey. En el futuro, los sensores inteligentes podrían encontrar un hogar no solo en la visión artificial espectral, sino también en "otras detecciones ópticas avanzadas y más allá".

Para más información, contacte a This email address is being protected from spambots. You need JavaScript enabled to view it..