प्रयोगशाळेतील उपकरणांपासून व्यावहारिक मायक्रोसिस्टम्सपर्यंत
प्रकाश त्याच्याशी संवाद साधणाऱ्या सामग्रीबद्दल माहितीचा खजिना घेऊन जातो. हायपरस्पेक्ट्रल इमेजिंग प्रकाशाला डझनभर किंवा शेकडो अरुंद स्पेक्ट्रल बँडमध्ये विभाजित करून ती माहिती कॅप्चर करते, ज्यामुळे दृश्यातील प्रत्येक पिक्सेलसाठी डेटा-समृद्ध फिंगरप्रिंट तयार होतो. दशकांपासून, हे तंत्र रिमोट सेन्सिंगपासून बायोमेडिकल डायग्नोस्टिक्सपर्यंतच्या क्षेत्रांमध्ये आवश्यक आहे. परंतु या प्रतिमा तयार करणाऱ्या प्रणाली मोठ्या, संथ आणि प्रयोगशाळा किंवा उपग्रह प्लॅटफॉर्मपुरत्याच मर्यादित आहेत. सायन्स जर्नलमध्ये वर्णन केलेल्या एका नवीन मायक्रोसिस्टमचे उद्दिष्ट हे बदलण्याचे आहे, जे हायपरस्पेक्ट्रल क्षमता चिपवरील उपकरणात पॅक करते जे व्हिडिओ दराने प्रतिमा घेऊ शकते आणि कॉम्प्युटेशनल अल्गोरिदम रिअल टाइममध्ये चालवते.
हायपरव्हिजन म्हणजे काय?
सायन्सच्या ऑगस्ट २०२६ च्या अंकात (खंड ३९३, अंक ६८१४, पृ. ८८८-८९४) प्रकाशित झालेल्या या कार्यात, लेखकांनी ऑनलाइन व्हिडिओ-रेट कॉम्प्युटेशनल इमेजिंगसाठी ऑन-चिप हायपरस्पेक्ट्रल मायक्रोसिस्टम म्हणून काय वर्णन केले आहे ते सादर केले आहे. हे नाव ध्येय सूचित करते: सामान्य कॅमेऱ्यांना हायपरस्पेक्ट्रल सेन्सिंगची शक्ती देणे आणि लाइव्ह दृश्यांचे निरीक्षण आणि विश्लेषण करण्यासाठी प्रक्रिया पुरेशी जलद करणे.
स्वतंत्र स्पेक्ट्रल सेन्सिंग युनिटवर अवलंबून राहण्याऐवजी, हायपरव्हिजन मुख्य घटक थेट चिपवर एकत्रित करते. ही मायक्रोसिस्टम स्पेक्ट्रल माहिती कॅप्चर करते आणि रिअल टाइममध्ये कॉम्प्युटेशनल पुनर्रचना करते, ज्यामुळे व्हिडिओ वेगाने स्पेक्ट्रल प्रतिमांचा सतत प्रवाह मिळतो. प्रत्यक्षात, सेन्सर केवळ प्रकाश आणि रंग रेकॉर्ड करत नाही; तो प्रत्येक क्षणासाठी समृद्ध स्पेक्ट्रल क्यूब रेकॉर्ड करतो आणि नंतर डेटावर त्वरित प्रक्रिया करतो.
कॉम्प्युटेशनल इमेजिंगची भूमिका
नवीन प्रणालीच्या प्रमुख सक्षमकर्त्यांपैकी एक म्हणजे कॉम्प्युटेशनल इमेजिंग. पारंपारिक कॅमेऱ्यात, कच्चा सेन्सर डेटा थेट प्रतिमेवर मॅप केला जातो. कॉम्प्युटेशनल इमेजिंगमध्ये, सेन्सरद्वारे कॅप्चर केलेला डेटा केवळ एक मध्यवर्ती प्रतिनिधित्व असतो आणि प्रगत अल्गोरिदम अंतिम प्रतिमेची पुनर्रचना करतात. हायपरव्हिजन स्पेक्ट्रल विभक्तीकरण आणि विश्लेषणाचा काही भाग सॉफ्टवेअरमध्ये हलवून या तत्त्वाचा फायदा घेते. ऑप्टिकल फ्रंट-एंड स्पेक्ट्रल आणि स्थानिक माहितीचे मिश्रण गोळा करू शकते जे काळजीपूर्वक एन्कोड केलेले असते, आणि ऑन-चिप प्रोसेसिंग त्या मिश्रणाचे स्वच्छ हायपरस्पेक्ट्रल व्हिडिओ फ्रेममध्ये डीकोड करते.
हा दृष्टीकोन भौतिक ऑप्टिक्सच्या मर्यादा टाळण्यास मदत करतो. त्याच चिप किंवा पॅकेजवर कॉम्प्युटेशनल लेयर एकत्रित करून, प्रणाली केवळ अधिक कॉम्पॅक्ट नाही तर जलद देखील आहे, कारण स्पेक्ट्रल इमेजिंगद्वारे व्युत्पन्न केलेला प्रचंड डेटा डिव्हाइसवरून प्रसारित होण्यापूर्वी कमी केला जाऊ शकतो.
विज्ञान आणि औषधातील संभाव्य अनुप्रयोग
व्हिडिओ-रेट हायपरस्पेक्ट्रल इमेजिंग पूर्णपणे नवीन वापर प्रकरणे उघडते. बायोमेडिकल सेटिंग्जमध्ये, हे सर्जनना ऊतींचे ऑक्सिजनेशन, परफ्यूजन किंवा पॅथॉलॉजिकल मार्कर रिअल टाइममध्ये पाहण्याची परवानगी देऊ शकते, शस्त्रक्रियेदरम्यान निर्णय घेण्यास मार्गदर्शन करते आणि नमुने प्रयोगशाळेत न पाठवता. हायपरस्पेक्ट्रल रिफ्लेक्टन्स पॅटर्न ऊतींच्या संरचनेत आणि रासायनिक रचनेत सूक्ष्म फरक प्रकट करू शकतात जे उघड्या डोळ्यांना अदृश्य असतात, ज्यामुळे डॉक्टरांना एक शक्तिशाली व्हिज्युअल सहाय्य मिळते.
औद्योगिक तपासणी हा आणखी एक संभाव्य लाभार्थी आहे. कन्व्हेयर बेल्टवर सामग्रीचे वर्गीकरण करू शकणारी किंवा दूषित पदार्थ शोधू शकणारी मायक्रोसिस्टम हे अमूल्य गुणवत्ता नियंत्रण साधन असेल. कृषी आणि पर्यावरण निरीक्षण वनस्पती आरोग्य, पाण्याची गुणवत्ता किंवा मातीची रचना गतीमध्ये ट्रॅक करण्यासाठी ड्रोन किंवा हँडहेल्ड डिव्हाइस वापरू शकतात.
संशोधन प्रयोगशाळांना देखील एका कॉम्पॅक्ट इन्स्ट्रुमेंटचा फायदा होऊ शकतो जे थेट मायक्रोस्कोपवर किंवा रोबोटिक आर्मवर बसते, ज्यामुळे प्रयोग उलगडत असताना त्यांचे स्पेक्ट्रल विश्लेषण रिअल टाइममध्ये करता येते. प्रणाली लहान असल्याने, ती इतर उपकरणांमध्ये समाविष्ट केली जाऊ शकते, ज्यामुळे हायपरस्पेक्ट्रल क्षमता त्याच्या पारंपारिक कोनाड्यांच्या पलीकडे पसरते.
आव्हाने आणि पुढील मार्ग
पेपर जे प्रदर्शित करते त्यासाठी लक्ष वेधून घेण्याची शक्यता असली तरी, स्पेक्ट्रल रिझोल्यूशन आणि अचूकतेबद्दल प्रश्न कायम आहेत. ऑन-चिप हायपरस्पेक्ट्रल सिस्टमला अनेकदा स्पेक्ट्रल बँडची संख्या संवेदनशीलता आणि पिक्सेल संख्येशी संतुलित करावी लागते. व्हिडिओ-रेट क्षमता सूचित करते की प्रणाली उपलब्ध प्रकाशाचा कार्यक्षमतेने वापर करत आहे, परंतु वास्तविक-जगातील कार्यप्रदर्शन दृश्य, प्रकाश आणि ऑन-चिप अल्गोरिदम किती चांगले सामान्यीकरण करतात यावर अवलंबून असेल.
उत्पादन आणि किंमत देखील आहे. कोणत्याही मायक्रोसिस्टमला प्रयोगशाळेतील प्रात्यक्षिकापासून व्यापक अवलंबनापर्यंत जाण्याचे आश्वासन दिल्यास ते विद्यमान सेमीकंडक्टर फॅब्रिकेशन प्रक्रियेशी सुसंगत असणे आवश्यक आहे. जर हायपरव्हिजन उत्पादनक्षम प्लॅटफॉर्मवर तयार केले असेल, तर ते ग्राहक कॅमेरे, वैद्यकीय उपकरणे आणि औद्योगिक सेन्सरसाठी मार्ग मोकळा करू शकते जे व्हिडिओइतके सहजपणे स्पेक्ट्रल तपशील कॅप्चर करतात.
एक नवीन प्रकारची दृष्टी
हायपरव्हिजन मायक्रोसिस्टम ऑप्टिक्स, सेन्सिंग आणि कॉम्प्युटेशनच्या दीर्घ-आश्वासित विलीनीकरणाच्या दिशेने आणखी एक पाऊल दर्शवते. जेव्हा सेन्सर व्हिडिओ फ्रेम दराने अनेक स्पेक्ट्रल बँडमध्ये प्रकाशाचा परस्परसंवाद मोजू शकतो आणि ते कॉम्पॅक्ट डिव्हाइसमध्ये बसण्याइतपत लहान चिपवर करू शकतो, तेव्हा कॅमेरा आणि स्पेक्ट्रोमीटरमधील सीमा नष्ट होऊ लागते. परिणाम म्हणजे एक प्रकारची दृष्टी जी मानवी डोळ्याला दिसते त्यापेक्षा लक्षणीय पुढे जाते.
हायपरव्हिजन सामान्य प्रतिमांमध्ये एक जिवंत, स्पेक्ट्रल परिमाण जोडते. पूर्ण परिणाम फक्त शोधले जाऊ लागले आहेत, परंतु आत्तासाठी हे ओळखणे पुरेसे आहे की व्हिडिओ-रेट हायपरस्पेक्ट्रल इमेजिंगचा युग व्यावहारिक वास्तवाच्या जवळ येत आहे.
हा लेख सायन्स (AAAS) च्या अहवालावर आधारित आहे. मूळ लेख वाचा.
Originally published on science.org