Slim glas herkent getallen, zonder energieverbruik

Natuurkunde Onregelmatigheden in de structuur van een glasplaat kunnen gebruikt worden voor beeldherkenning.

De onderzoekers Zongfu Yu (links), Ang Chen (midden) en Efram Khoram die het concept voor slim glas ontwikkelden.
De onderzoekers Zongfu Yu (links), Ang Chen (midden) en Efram Khoram die het concept voor slim glas ontwikkelden. Foto Sam Million-Weaver

Een nieuwe techniek kan handgeschreven cijfers herkennen zonder energiebron, sensoren of complexe elektronica. Alles wat je nodig hebt is een slim ontworpen glasplaatje, schrijven Amerikaanse onderzoekers in Photonics Research.

In de toekomst kan de techniek mogelijk gebruikt worden voor snelle, energiezuinige gezichtsherkenning om smartphones te ontgrendelen.

Beeldherkenning met glas kan al langer, maar enkel met extreem eenvoudige en eenduidige afbeeldingen of, bij complexere beelden, met dik meerlaags glas, zegt Rajesh Menon van de University of Utah, die niet betrokken was bij de publicatie. „Dit nieuwe onderzoek is belangrijk omdat het aantoont dat een klein volume glas veel informatie kan verwerken.”

Verschillende handschriften

De onderzoekers tonen met computersimulaties aan dat ze met een dun, flexibel glasplaatje algoritmes van kunstmatige intelligentie kunnen nabootsen. Door te spelen met de manier waarop licht afbuigt in het glas, konden ze het materiaal ‘leren’ verschillende geschreven zessen allemaal als zes te categoriseren.

Om twee dezelfde cijfers te herkennen van verschillende handschriften, moet het glas algemene eigenschappen herkennen, bijvoorbeeld dat een bolletje met daaronder een streepje een negen is. Kunstmatig intelligente computersystemen voor beeldherkenning gebruiken nu zogeheten neurale netwerken om eigenschappen te detecteren en te combineren. De onderzoekers bootsen met hun gesimuleerde glas zo’n netwerk na.

Dat doen ze met glas met daarin luchtbelletjes en stukjes grafeen. Het licht dat dit glas binnenkomt, kan er aan de andere kant via negen uitgangen weer uit. Onderweg komt het de luchtbelletjes en grafeenstukjes tegen. Die onzuiverheden buigen het licht zodanig af dat het gefocust wordt op een van de uitgangen. Licht van een handgeschreven 4 moet gefocust worden op de vierde uitgang, dat van een 8 op de achtste, enzovoorts.

Licht van een geschreven 2 buigt vooral af naar de tweede uitgang. Bij een geschreven 8 gaat het licht naar de achtste uitgang. Foto University of Wisconsin

Om dit voor elkaar te kijken ‘trainden’ de onderzoekers het glas door er licht van verschillende handgeschreven cijfers op te laten vallen. „Vervolgens pasten we stapsgewijs de grootte en verdeling van de onzuiverheden aan zodat het licht steeds beter op de juiste uitgang gefocust werd”, mailt eerste auteur Erfan Khoram van de University of Wisconsin-Madison in de VS. „Na elke verandering werd het glas iets beter in het classificeren.”

Veeleisend

In de simulaties kon goed getraind glas 790 van de 1.000 handgeschreven cijfers juist classificeren en registreerde het wanneer een handgeschreven 3 in een 8 veranderd werd.

„Het artikel stelt een interessante benadering voor om een compact en geïntegreerd neuraal netwerk te maken in glas ”, mailt de niet-betrokken onderzoeker Daniel Brunner van het Franse onderzoeksinstituut FEMTO-ST. „Maar de werking van dergelijke apparaten onder realistische omstandigheden is aanzienlijk veeleisender.”