Durante mucho tiempo, los ingenieros han buscado inspiración en la naturaleza al diseñar nuevas tecnologías. Ya sean los hermanos Wright que estudian las aves para desarrollar el vuelo o los ingenieros modernos que se inspiran en los pulpos para diseñar sensores de tela portátiles, la evolución ha proporcionado información sobre el diseño electrónico, óptico y mecánico.
A pesar de esta larga historia de biomimetismo, parece que todavía hay mucho que los investigadores pueden aprender de la naturaleza. Siguiendo esta tendencia, los ingenieros de Stanford publicaron recientemente un artículo en el que describen una nueva forma de sensor óptico, esta vez inspirándose en una fuente poco probable: el camarón mantis.
Los camarones mantis pueden ver luz visible, ultravioleta y polarizada.
La luz se describe generalmente por tres características clave: intensidad, longitud de onda y polarización. Las aplicaciones como la visión artificial detectan los tres, proporcionando a los algoritmos de software tanta y más detallada información como sea posible.
La polarización, en particular, puede proporcionar información valiosa que las imágenes convencionales no pueden, lo que permite obtener imágenes más sensibles en comparación con los métodos no basados en polarización.
Polarización de la luz mediante polarizadores cruzados. Imagen utilizada por cortesía de FSU
Si bien se han utilizado técnicas basadas en silicio para detectar con éxito tanto la intensidad como la longitud de onda, resulta que el silicio no puede detectar la polarización de la luz. En cambio, los diseñadores deben usar filtros de polarización frente a sus sensores de imagen. Tres técnicas convencionales para la formación de imágenes por polarización incluyen la división del tiempo, la división de amplitud y la división de la formación de imágenes en el plano focal.
La técnica de división del tiempo funciona girando un filtro de polarización en la parte superior de un sensor de imagen, que captura datos secuencialmente en el tiempo. La división de amplitud consiste en un prisma que dividirá las luces en diferentes caminos, cada uno de los cuales tiene su propio sensor. Finalmente, la división del plano focal funciona con un micropolarizador colocado en el plano focal para establecer diferentes estados de polarización.
Comparación de tecnologías de filtro de polarización. Imagen utilizada por cortesía de Photonics Media
Sin embargo, las tres técnicas son costosas y requieren mucho tiempo, lo que puede dificultar las aplicaciones de visión artificial que requieren soluciones rápidas, de bajo costo y altamente robustas.
Al comprender la necesidad de mejores imágenes polarimétricas en aplicaciones de visión artificial, los investigadores de Stanford recurrieron a la naturaleza en busca de una solución. Resulta que el camarón mantis puede ver luz tanto hiperespectral como polarizada, una hazaña que se logra con mucha menos facilidad con la tecnología moderna.
En su artículo publicado en Science Magazine, los investigadores describen un nuevo sensor que imita el ojo del camarón mantis para lograr el registro simultáneo de cuatro canales espectrales y tres canales de polarización. Según los investigadores, el diseño en sí consiste en "energía fotovoltaica orgánica sensible a la polarización (P-OPV) y retardadores de polímero" apilados.
La estructura del sensor, los elementos retardadores plegados y el retardo espectral. Imagen utilizada cortesía de Altaqui et al.
La respuesta de las P-OPV a la luz varía según la polarización de la luz, mientras que el retardador dispersa la luz según su estado de polarización de forma determinista. Utilizando este tipo de arquitectura, el sensor podría detectar ambos tipos de luz en un dispositivo que es lo suficientemente pequeño como para caber en los teléfonos inteligentes.
Si bien es solo una prueba de concepto, el sensor podría tener implicaciones significativas. La capacidad de detectar la polarización de la luz en un factor de forma lo suficientemente pequeño como para caber en los teléfonos inteligentes podría cambiar fundamentalmente las limitaciones de las aplicaciones actuales de visión artificial.
Los ingenieros miran continuamente a la naturaleza para resolver obstáculos a nivel de hardware. Estos son solo algunos hallazgos recientes.
Los días felices de la PDA y Blackberry han quedado definitivamente atrás, pero el factor…
Tutorial sobre cómo pronosticar usando un modelo autorregresivo en PythonFoto de Aron Visuals en UnsplashForecasting…
Si tienes un iPhone, los AirPods Pro son la opción obvia para escuchar música, ¡aunque…
Ilustración de Alex Castro / The Verge Plus nuevos rumores sobre el quinto Galaxy Fold.…
Se rumorea que los auriculares premium de próxima generación de Apple, los AirPods Max 2,…
El desarrollador Motive Studio y el editor EA han lanzado un nuevo tráiler de la…