Sensor Bertenaga AI Mendeteksi Tanda Spektral pada Tanaman dan Daun dengan Kecepatan Tak Tertandingi
Laboratorium Nasional Lawrence Berkeley, Berkeley, CA
Para ilmuwan di Berkeley Lab mengembangkan sensor cerdas yang pertama-tama “mengendus” fitur spektral yang menarik pada objek contoh – misalnya jenis tanaman (atas) atau daun (bawah). Perusahaan kemudian mencari target tertentu dalam lingkungan baru — lingkungan yang belum pernah ada sebelumnya, sambil menghindari pemrosesan digital yang rumit. (Gambar:Ali Javey/Laboratorium Berkeley)
Alat pencitraan spektral – kamera yang menangkap warna di luar spektrum RGB yang terlihat oleh mata kita – sangat penting untuk mengumpulkan informasi tentang material dan sifat struktural suatu objek. Menggabungkannya dengan pembelajaran mesin telah memberikan jalur yang kuat untuk mengidentifikasi fitur-fitur dalam aplikasi dunia nyata termasuk fabrikasi semikonduktor, pelacakan polutan, dan pemantauan tanaman.
Dengan menggabungkan algoritme AI ke dalam sensor kamera itu sendiri, para peneliti di Laboratorium Nasional Lawrence Berkeley (Berkeley Lab) di Departemen Energi kini telah menghilangkan hambatan pemrosesan data yang telah lama mengganggu kinerja teknologi pencitraan spektral. Hasilnya adalah sensor cerdas yang mampu mengidentifikasi bahan kimia dan mengkarakterisasi bahan dengan cepat dan efisien.
“Kami fokus pada peningkatan kecepatan, resolusi, dan efisiensi daya dari teknologi visi mesin spektral yang ada hingga lebih dari dua kali lipat,” kata Ali Javey, ilmuwan yang memimpin studi Science yang melaporkan perangkat tersebut. Javey adalah Ilmuwan Fakultas Senior di Berkeley Lab dan Profesor ilmu dan teknik material di UC Berkeley. Pekerjaan ini dilakukan bekerja sama erat dengan Aydogan Ozcan di UCLA.
Desain sensor menggambarkan bagaimana fungsionalitas baru dapat dibangun ke dalam perangkat semikonduktor itu sendiri untuk meningkatkan efisiensi dan kegunaannya, dan memungkinkan perangkat keras visi AI kelas baru.
Teknologi pencitraan spektral saat ini memiliki sensor dan modul komputasi terpisah. Sensor pertama-tama menangkap setumpuk gambar, yang masing-masing sesuai dengan warna tertentu. Kemudian tumpukan gambar padat dikirim ke prosesor digital untuk komputasi lebih lanjut, yang menghasilkan hasil identifikasi objek. Disitulah permasalahan muncul.
“Sensor harus mengumpulkan dan mengirim lebih banyak data ke prosesor digital dibandingkan kamera biasa, kira-kira sepuluh hingga seratus kali lebih besar volumenya,” kata Dehui Zhang, seorang postdoc di Divisi Ilmu Material Berkeley Lab dan penulis utama studi tersebut. Akibatnya, sensor dan perangkat keras komputer sering kali kewalahan, sehingga tugas pengenalan objek menjadi sangat lambat dan boros daya.
Sebaliknya, tim Berkeley Lab mengembangkan sensor yang melakukan komputasi AI dan analisis spektral selama proses pengambilan gambar — atau deteksi foto — itu sendiri.
“Fotodeteksi dapat dianggap sebagai proses komputasi fisik otomatis,” jelas Zhang. Ketika cahaya mengenai sensor, intensitasnya secara otomatis dipetakan ke kekuatan arus listrik. Karena respons sensor terhadap cahaya dapat dengan mudah disesuaikan, para peneliti memiliki tombol penyetel untuk memilih tanda spektral mana yang disorot dan mana yang ditekan. Oleh karena itu, arus yang meninggalkan sensor untuk dibaca oleh suatu rangkaian berfungsi sebagai kesimpulan tentang konten spektral gambar.
“Kami membuktikan bahwa proses komputasi secara matematis menyerupai algoritma yang biasanya digunakan untuk pembelajaran mesin digital,” kata Zhang. Analogi ini memungkinkan sensor digunakan sebagai komputer pembelajaran mesin dan melakukan komputasi pembelajaran mesin pada cahaya yang masuk itu sendiri.
“Bagi saya, bagian yang paling menarik adalah konsep pemberian kecerdasan pada sensor,” kata Javey. Sensor normal hanya mengumpulkan informasi lingkungan mentah, menyerahkan tugas pengenalan cerdas ke prosesor digital.
Dengan merancang bersama bahan semikonduktor, perangkat, dan algoritme, tim memungkinkan sensor untuk belajar dan menghitung tanpa memerlukan pasca-pemrosesan data secara digital.
Namun penerapan teknologi ini lebih dari sekadar mengidentifikasi burung. Dengan menggunakan fotodioda fosfor hitam, para peneliti secara eksperimental menunjukkan beberapa kemungkinan menarik lainnya. Mereka berhasil mengidentifikasi ketebalan lapisan oksida dalam sampel semikonduktor — yang harus seragam secara sempurna oleh para raksasa manufaktur — serta kondisi hidrasi di berbagai daun tanaman, segmentasi objek dalam gambar optik, dan bahan kimia transparan dalam cawan petri.
“Saya optimis mengenai masa depan perangkat tersebut untuk aplikasi yang lebih luas,” kata Javey. Di masa depan, sensor cerdas dapat digunakan tidak hanya dalam visi mesin spektral tetapi juga dalam “penginderaan optik canggih lainnya dan seterusnya.”
Untuk informasi lebih lanjut, hubungi Alamat email ini dilindungi dari robot spam. Anda perlu mengaktifkan JavaScript untuk melihatnya..
