Японская компания Hamamatsu Photonics представила технологию, которая решает главную проблему рентген-контроля — шум на изображениях. Новый подход объединяет глубокое обучение с симуляцией рентгеновских снимков, что позволяет обнаруживать дефекты и загрязнения в продуктах питания без необходимости собирать десятки тысяч реальных изображений для обучения ИИ.
Традиционные методы шумоподавления требуют огромные датасеты — представьте, что вам нужно показать нейросети десятки тысяч примеров каждого продукта при разных настройках рентгена. Это как учить ребенка распознавать кошек, показывая ему фотографии только в определенном освещении. Сверточные нейронные сети (CNN) обучаются на парах изображений: чистая структура плюс шум как входные данные, и только шум как эталон для обучения.
Инновация Hamamatsu заключается в симуляции четырех ключевых элементов рентген-процесса: спектр излучения, прохождение лучей через объект, отклик сцинтиллятора и реакцию сенсора. Технология создает виртуальные рентгеновские снимки с различными уровнями шума и структурными вариациями, заменяя необходимость в массивных реальных датасетах. Это как создать безграничную библиотеку учебных материалов для ИИ.
Результаты впечатляют: на тестовых изображениях сырой свинины ИИ-система успешно выделила загрязнения (отмеченные красными точками), которые едва различимы на исходных снимках. Система работает в режиме реального времени для конвейерного контроля и изначально будет доступна для линейных сканирующих рентген-камер, с планами расширения на плоские панельные сенсоры.
Источник новости и обложки: www.azom.com