Detectores térmicos y aprendizaje automático permiten a las … – Metro Americas
Los depredadores nocturnos tienen la habilidad de ver en la oscuridad y moverse fácilmente en su entorno, lo que les permite ser cazadores eficientes. Sin embargo, las máquinas, como los autos autónomos, tienen dificultades para operar en condiciones de poca visibilidad. Un equipo de la Universidad de Purdue ha desarrollado una tecnología llamada detección y rastreo asistidos por calor (HADAR, por sus siglas en inglés) para abordar este problema.
HADAR combina la imagen térmica, la física y el aprendizaje automático para otorgar a las máquinas la capacidad de ver en la oscuridad como si fuera de día. El sistema utiliza una cámara de infrarrojos y una inteligencia artificial entrenada con una base de datos personalizada de imágenes para extraer información detallada del entorno utilizando señales térmicas. A diferencia de sistemas anteriores, HADAR supera el “efecto fantasma” que generalmente causa imágenes borrosas y distorsionadas.
La aplicación de la tecnología de visión nocturna va más allá de los vehículos autónomos. También podría usarse para rastrear la vida silvestre con fines de conservación o monitorear la temperatura corporal en puertos concurridos para la salud pública. HADAR permite que las máquinas vean lo que normalmente es invisible para el ojo humano.
Los métodos tradicionales de detección, como el sonar, la ecolocación y el escaneo Lidar, tienen limitaciones en términos de escalabilidad e interferencia. Las señales infrarrojas, en cambio, ofrecen una alternativa pasiva. Todos los materiales emiten una firma de calor, que puede ser capturada por las cámaras de infrarrojos. Sin embargo, las imágenes térmicas a menudo carecen de textura y una sensación de profundidad debido al “efecto fantasma”.
HADAR analiza las propiedades térmicas de los objetos, capturando no solo la temperatura sino también la textura y la información de profundidad. El equipo desarrolló un algoritmo llamado TeX para desentrañar las corrientes de datos útiles en las imágenes térmicas. El algoritmo fue entrenado con una biblioteca personalizada para catalogar cómo diferentes objetos generan señales de calor. Esto permite que HADAR obtenga imágenes claras y detalladas de las cámaras térmicas.
En una prueba de concepto, HADAR superó a un modelo de visión por computadora basado en inteligencia artificial competidor en el análisis de una imagen en condiciones de poca luz. El sistema identificó con precisión materiales y objetos, incluyendo la diferenciación entre un humano y una figura de cartón de Einstein.
El desarrollo de HADAR tiene el potencial de revolucionar la visión por computadora y la tecnología de imagen en condiciones de baja visibilidad. Las máquinas equipadas con esta tecnología pueden navegar en la oscuridad con facilidad, lo que conduce a operaciones más seguras y eficientes en diversas industrias.
