Pesquisadores utilizam inteligência artificial para aprimorar qualidade de imagens em câmera de metalente. Um avanço significativo na área da fotônica está sendo anunciado por pesquisadores que desenvolveram uma nova abordagem para melhorar a qualidade de imagem de uma câmera de metalente. Utilizando técnicas de aprendizado profundo, conhecidas como inteligência artificial, eles conseguiram transformar imagens de baixa qualidade em imagens de alta qualidade, o que pode abrir caminho para uma série de aplicações, desde microscopia detalhada até dispositivos móveis. As metalentes são dispositivos ópticos ultradelgados que utilizam nanoestruturas para manipular a luz, sendo uma fração do tamanho das lentes tradicionais.
Apesar de seu potencial para criar câmeras extremamente compactas e leves, tem sido um desafio alcançar a qualidade de imagem necessária com esses componentes ópticos. O líder da equipe de pesquisa, Ji Chen, da Universidade do Sudeste na China, explicou: “Nossa tecnologia permite que nossos dispositivos baseados em metalente superem as limitações de qualidade de imagem. Este avanço desempenhará um papel importante no futuro desenvolvimento de eletrônicos de imagem de consumo altamente portáteis e também pode ser usado em aplicações de imagem especializadas, como microscopia.” O estudo, publicado na revista Optics Letters do Optica Publishing Group, descreve como os pesquisadores utilizaram uma rede neural convolucional multinível para aprimorar resolução, contraste e distorção em imagens capturadas por uma pequena câmera de metalente, integrada a um chip de imagem CMOS.
“A câmera utilizada neste trabalho usa uma metalente com nano-postes cilíndricos de nitreto de silício, que focam a luz diretamente no sensor de imagem CMOS, sem a necessidade de outros elementos ópticos”, explicou Chen. “Embora esse design tenha criado uma câmera muito pequena, a arquitetura compacta limitou a qualidade da imagem. Assim, decidimos investigar se o aprendizado de máquina poderia melhorar as imagens.” O aprendizado profundo é uma técnica que utiliza redes neurais artificiais para aprender características dos dados e fazer decisões complexas. Os pesquisadores aplicaram esse método para transformar imagens de baixa qualidade em imagens de alta qualidade, treinando a rede neural com uma grande quantidade de pares de imagens de alta e baixa qualidade.
“Uma parte fundamental deste trabalho foi desenvolver uma maneira de gerar a grande quantidade de dados de treinamento necessários para o processo de aprendizado da rede neural”, disse Chen. “Uma vez treinada, a rede neural pode processar uma imagem de baixa qualidade enviada pelo dispositivo e produzir imediatamente resultados de alta qualidade.” Testando a técnica em 100 imagens de teste, os pesquisadores descobriram que as imagens processadas pela rede neural apresentaram uma melhora significativa em métricas de processamento de imagem comuns. Eles também demonstraram que a abordagem pode gerar rapidamente dados de imagem de alta qualidade que se assemelham ao que foi capturado diretamente por meio de experimentação.
Os pesquisadores agora estão focados em desenvolver metalentes com funcionalidades mais avançadas, como imagem em cores ou grande angular, e em adaptar essa tecnologia para aplicações comerciais, como smartphones. “Lentes de metal ultra-leves e ultra-finas representam uma tecnologia revolucionária para o futuro da imagem e detecção”, disse Chen. “Alavancar técnicas de aprendizado profundo para otimizar o desempenho da metalente marca uma trajetória de desenvolvimento crucial. Antevemos o aprendizado de máquina como uma tendência vital para o avanço da pesquisa em fotônica.”