26 Décembre 2018  |  Informatique
Publié dans La Revue POLYTECHNIQUE 10/2018

Reconstituer les images qui transitent dans les fibres optiques

Reconstituer les images qui transitent dans les fibres optiques

En utilisant un programme informatique qui imite la manière dont le cerveau humain apprend à identifier les objets, des scientifiques de l’EPFL ont réussi à reconstruire une image dégradée par son voyage dans une fibre optique.

Des chercheurs de l’EPFL ont entraîné un algorithme d’apprentissage automatique à reconstruire des images devenues floues lors de leur voyage à travers une fibre optique. Ce travail pourrait accroître la quantité d’informations transmises par les réseaux de télécommunications, améliorer l’imagerie endoscopique utilisée dans les diagnostics médicaux, ou encore augmenter la capacité et la qualité des fibres optiques.
«Nous utilisons des architectures modernes de réseaux neuronaux profonds pour reconstituer les images à partir de l’image brouillée obtenue à la sortie de la fibre», explique Demetri Psaltis, responsable du Laboratoire d’optique de l’EPFL, qui a dirigé la recherche en collaboration avec son collègue Christophe Moser, du Laboratoire de dispositifs photoniques appliqués. «Nous démontrons que cela est possible même avec des fibres d’un kilomètre de long», ajoute-t-il, qualifiant ce travail d’étape importante. Leur recherche a été publiée dans la revue Optica.
 
Un motif de petites taches issu d’une image transmise par une fibre multimode passe à travers les couches cachées d’un réseau neuronal profond et apparaît comme le chiffre 3. (Crédit: Demetri Psaltis, EPFL)
 
 
Déchiffrer le flou
Les fibres optiques ont longtemps été utilisées pour transmettre de l’information par la lumière. Les fibres multimodes possèdent une capacité de transport de l’information beaucoup plus grande que les fibres monomodes. Leurs nombreux canaux – dits «modes spatiaux» parce qu’ils ont des formes spatiales différentes – peuvent transmettre plusieurs flux d’information simultanément.
Ces fibres sont bien adaptées pour transporter des signaux fondés sur la lumière, mais on n’a jamais réussi, jusqu’ici, à les utiliser pour transmettre des images sur de longues distances. En effet, comme l’image voyage à travers tous les canaux de la fibre, ce qui apparaît à l’autre bout de celle-ci est un motif fait de petites taches, que |’œil humain est incapable de décoder.
 
Un réseau neuronal profond à la rescousse
Pour s’attaquer à ce problème, Demetri Psaltis et son équipe ont utilisé un réseau neuronal profond, un type d’algorithme d’apprentissage automatique. Les réseaux neuronaux profonds peuvent conférer à l’ordinateur, la capacité d’identifier des objets dans des photographies. Ils ont également permis d’améliorer les systèmes de reconnaissance vocale de Google, par exemple.
La conception de ces algorithmes s’inspire de la manière dont les neurones transmettent l’information dans le cerveau humain. Les données sont traitées au travers de plusieurs «couches cachées» de neurones artificiels, dont chacun effectue un petit calcul et transmet le résultat à ceux de la couche suivante.
Notre cerveau développe des modèles mentaux d’objets en étant exposé à de nombreux exemples, de sorte que lorsque nous rencontrons un nouveau type d’arbre, par exemple, nous sommes capables de l’identifier comme un arbre plutôt que comme un poteau téléphonique ou un buisson. De la même manière, lorsqu’un réseau neuronal profond est exposé à un ensemble suffisamment grand de données d’apprentissage, la machine apprend à identifier les données entrantes en reconnaissant les formes associées dans celles de sortie.
 
Une méthode simple d’apprentissage automatique
Navid Borhani, un scientifique qui a participé à la recherche, indique que cete méthode d’apprentissage automatique est bien plus simple que d’autres tentatives visant à reconstruire les images passées à travers les fibres optiques, qui exigent d’effectuer une mesure holographique des données de sortie.
Le réseau neuronal profond a réussi à gérer les distorsions provoquées par les perturbations environnementales lors du passage du signal dans la fibre, comme des fluctuations aléatoires de la température le long de la fibre, ou des mouvements provoqués par des courants d’air qui peuvent ajouter du bruit à l’image, par exemple. Des perturbations qui augmentent au fur et à mesure que le signal doit se déplacer.
 
Des applications dans le domaine médical et de la communication
«On s’attend à ce que la remarquable capacité des réseaux neuronaux profonds à récupérer l’information transmise par des fibres multimodes, puisse être appliquée au bénéfice de processus médicaux, telles que l’endoscopie, par exemple, ainsi qu’à des applications dans le domaine des communications», explique Demetri Psaltis.
Dans les télécommunications, les signaux doivent souvent parcourir plusieurs kilomètres de fibre optique et peuvent subir des distorsions, que cette méthode pourrait corriger. Les médecins pourraient recourir à des sondes à fibres ultrafines pour recueillir des images des voies anatomiques et des artères dans le corps humain, sans devoir recourir à des enregistreurs holographiques complexes, ni s’inquiéter de mouvements inopinés.
«De très légers mouvements causés par la respiration ou la circulation peuvent déformer les images transmises par une fibre multimode. Les réseaux neuronaux profonds constituent une solution prometteuse pour gérer ce bruit», poursuit le scientifique.
Le professeur Psaltis et son équipe projettent d’expérimenter cette technique avec des échantillons de tissus biologiques. Ils espèrent conduire une série d’études en utilisant différentes catégories d’images, pour se faire une idée de toutes les possibilités ainsi que des limites de leur technique.
 
Référence
N. Borhani, E. Kakkava, C. Moser, D. Psaltis, Learning to see through multmode fibers, Optica.
 
 
Demetri Psaltis
demetri.psaltis@epfl.ch
Tél. 021 693 77 95
Christophe Moser
christophe.moser@epfl.ch
Tél. 079 812 62 40


25 Janvier 2019  |  Informatique

Cap sur l’avenir dans le cloud

De nos jours, le stockage des données dans le cloud pour, par exemple, faciliter la collaboration est devenu essentiel. Pour autant, de nombreuses entreprises ont du mal à déterminer la marche à suivre, ainsi que le «bon dosage». Pour les aider, Eplan a créé la solution Store Share View.
24 Avril 2019  |  Informatique

De nouvelles passerelles pour l’Internet industriel des objets

HMS Industrial Networks lance les nouvelles gammes de passerelles Anybus Communicator IIoT et Anybus X-gateway IIoT avec la prise en charge de la norme OPC UA et du protocole MQTT, permettant une connectivité des données entre les équipements sur tous les grands réseaux industriels et applications de l’Internet industriel des objets.
POLYMEDIA SA | Chemin de la Caroline 26 | 1213 Petit-Lancy | Genève | T: +41 22 879 88 20 | F: +41 22 879 88 25 | info@polymedia.ch