Una nueva publicación de Opto-Electronic Advances analiza cómo el aprendizaje profundo hace posible la obtención de imágenes 3D de luz estructurada de alta resolución y disparo único.

Con el rápido desarrollo de la tecnología de la información optoelectrónica, las imágenes y la detección tridimensionales (3D) se han convertido en la vanguardia de la investigación en metrología óptica. Tras la transición de monocromo a color, de baja resolución a alta resolución y de fotografía estática a video dinámico, la evolución de la fotografía 2D a la detección 3D se ha convertido en la cuarta revolución de la imagen. En este sentido, la perfilometría de proyección de franjas (FPP) es una de las tecnologías de imagen 3D más representativas debido a su capacidad de medición sin contacto, de alta resolución, alta velocidad y campo completo, que se ha aplicado ampliamente en múltiples campos. como la fabricación inteligente, la ingeniería inversa, la inspección industrial y la conservación del patrimonio.

En los últimos años, con los rápidos avances de los dispositivos optoelectrónicos (p. ej., proyectores de luz digital, moduladores de luz espacial y sensores de imágenes de alta velocidad) y unidades de procesamiento de señales digitales (p. ej., computadoras de alto rendimiento y procesadores integrados), las personas subsecuentemente se fijaron más expectativas sobre FPP:debe ser tanto de alta precisión como de alta velocidad. Si bien estos dos aspectos parecen de naturaleza contradictoria, la velocidad se ha convertido gradualmente en un factor fundamental que debe tenerse en cuenta al usar FPP. Para muchos campos, como la fabricación industrial, la velocidad significa eficiencia y la eficiencia representa productividad. En estas circunstancias, la reconstrucción 3D de alta precisión utilizando un solo patrón ha sido el objetivo final de la obtención de imágenes 3D de luz estructurada en perpetua búsqueda.

Los autores de este artículo informan sobre una técnica FPP de multiplexación de doble frecuencia habilitada para el aprendizaje profundo, que permite obtener imágenes 3D de luz estructurada de alta precisión, inequívocas y de un solo disparo. El método propuesto construyó dos redes paralelas en forma de U con la misma estructura, una de las cuales toma la imagen de franja compuesta de doble frecuencia bien diseñada como entrada de la red, combinada con el modelo físico tradicional de cambio de fase para predecir los términos de seno y coseno. se utiliza para calcular el mapa de fase envuelto de alta calidad, y el otro está diseñado para predecir la información de orden de franjas a partir de la imagen de franjas compuesta de doble frecuencia de entrada. A través del aprendizaje de una gran cantidad de conjuntos de datos, las redes neuronales debidamente entrenadas pueden desmultiplexar fases de alta resolución y sin diafonía de espectro de la franja compuesta y reconstruir directamente un mapa de fase absoluta de alta precisión para 3D de disparo único e inequívoco. imágenes de superficie.

Se espera que la técnica FPP de multiplexación de doble frecuencia habilitada para el aprendizaje profundo llene la brecha de velocidad entre las imágenes 3D y la detección 2D, logrando una verdadera reconstrucción de forma 3D de un solo cuadro, de alta precisión y sin ambigüedades. Esta investigación abre nuevas vías para la medición de forma 3D instantánea de un solo disparo de objetos discontinuos y/o mutuamente aislados en movimiento rápido. Hoy en día, la tecnología de aprendizaje profundo ha penetrado por completo en casi todas las tareas de la metrología óptica. A pesar de los resultados prometedores, en muchos casos impresionantes, que se han informado en la literatura, las razones subyacentes detrás de estos éxitos siguen sin estar claras en esta etapa.

Muchos investigadores todavía son escépticos y mantienen una actitud expectante ante sus aplicaciones en escenarios de alto riesgo, como la inspección industrial y la atención médica. Pero se puede prever que con el mayor desarrollo de la tecnología de inteligencia artificial, la mejora continua del rendimiento del hardware de la computadora y el mayor desarrollo de las técnicas de procesamiento de información óptica, estos desafíos se resolverán gradualmente pronto. Por lo tanto, el aprendizaje profundo desempeñará un papel más importante y tendrá un impacto de mayor alcance en la óptica y la fotónica. + Explora más

Recuperación de fase totalmente óptica e imágenes de fase cuantitativa realizadas instantáneamente sin una computadora