News

Verborgene Objekte erkennen – mit Terahertzstrahlen

Verblüffende Experimente wurden an der TU Wien durchgeführt: Ein selbstlernendes System erkennt Objekte. Dazu braucht man keine Kamera, sondern nur einen einzigen Strahlensensor.

Versuchsaufbau aus optischen Linsen an der TU Wien, fotografiert von schräg oben.

1 von 2 Bildern oder Videos

Versuchsaufbau an der TU Wien

Grafik: Eine Maske wird beleuchtet, dadurch lässt sich steuern, welchen Anteil eines anderen Strahls sie passieren lässt.

1 von 2 Bildern oder Videos

Das Konzept: Eine Maske wird beleuchtet, dadurch lässt sich steuern, welchen Anteil eines anderen Strahls sie passieren lässt.

Terahertzstrahlen sind ein nützliches Werkzeug, um verborgene Objekte zu erkennen: Sie haben eine deutlich größere Wellenlänge als sichtbares Licht und können viele Materialien – etwa biologisches Gewebe – problemlos durchdringen. Mit Terahertzstrahlen kann man daher beispielsweise Metallobjekte abbilden, die in einer Holzkiste versteckt sind.

Eine verblüffende Variante einer solchen Messung präsentierte nun ein Forschungsteam vom Institut für Photonik (Fakultät für Elektrotechnik und Informationstechnik) der TU Wien: Mit Hilfe eines ganz besonderen Lernalgorithmus, der nicht wie gewöhnlich auf Computercode, sondern auf optischen Elementen beruht, lassen sich verborgene Objekte erkennen – und zwar mit einem einzelnen Strahlungssensor, der kein Bild aufnimmt, sondern nur ein Signal zwischen „hell“ und „dunkel“ messen kann. Diese überraschende wissenschaftliche Leistung wurde nun im Fachjournal „APL Photonics“ präsentiert.

Objekte und ihr Schatten

Wenn man eine Kamera hat, die ein hochauflösendes Bild im Terahertz-Bereich aufnimmt, dann ist die Sache einfach: „Angenommen, man hat ein Objekt aus Metall und beleuchtet es mit Terahertzstrahlung. Wenn dahinter die Kamera steht, dann sieht sie einen Schatten in Form des Objekts“, sagt Benedikt Limbacher, der Erstautor der Publikation. Für jeden einzelnen Bildpunkt führt die Kamera eine separate Messung durch. Aber was ist, wenn man mit einem einzelnen Terahertz-Sensor und einer einzelnen Messung auskommen möchte?

In diesem Fall kann man zwar messen, ob sich ein Objekt im Strahl befindet, das einen Schatten wirft, weil sich dadurch die Gesamtintensität der Strahlung verringert, aber welche Form dieses Objekt hat, lässt sich auf diese Weise nicht feststellen. Doch das lässt sich ändern, indem man zwischen Objekt und Sensor eine ganz spezielle Maske platziert. Die Maske lässt an unterschiedlichen Stellen unterschiedlich viel Strahlung durch, danach wird die gesamte Strahlung auf einen Punkt fokussiert, der Sensor registriert die Gesamtsumme der durchgelassenen Strahlung.

„Diese Maske wird durch ein Lichtfeld in einer Silizium-Scheibe erzeugt und dynamisch vom maschinellen Lernalgorithmus geändert. Durch diese optische Modulation können wir sehr schnell einstellen, an welchen Punkten die Maske wie viel Terahertzstrahlung passieren lässt und an den Sensor weitergibt“, erklärt Benedikt Limbacher. „Wenn man diese Durchlässigkeitsverteilung in der Maske genau richtig wählt, dann kann man an der Gesamtsumme der Terahertzstrahlung das Objekt erkennen. Wir bekommen zwar nur ein einziges Signal vom Sensor, aber durch passende Wahl der Maske können wir feststellen, ob es sich um ein ganz bestimmtes Objekt handelt oder nicht.“

Die analoge Form des Maschinenlernens

Das große Kunststück daran ist, die Maske richtig einzustellen, sodass sie an jedem Punkt die richtige Durchlässigkeit hat, sodass man am Sensorsignal das Objekt erkennen kann. „Dafür verwenden wir maschinelles Lernen“, sagt Benedikt Limbacher. „Allerdings eine ganz spezielle Variante davon: Normalerweise funktioniert maschinelles Lernen am Computer, indem man bestimmte mathematische Operationen durchführt. Wir führen diese Operationen optisch und analog durch.“ Dass die Maske an jeder Stelle nur einen bestimmten Anteil der einfallenden Terahertzstrahlung durchlässt, entspricht einfach der Multiplikation jedes einfallenden Bildpunktes mit einem einstellbaren Faktor.

Somit kann man gewöhnliche Maschinenlern-Algorithmen anwenden – mit dem entscheidenden Unterschied, dass die mathematischen Operationen nicht berechnet, sondern gemessen werden. Das Signal, das der Sensor erhält, wird verwendet, um die Maske anzupassen. Dadurch ändert sich wiederum das Signal am Sensor, und dieses Spiel wird so lange gespielt, bis man eine Masken-Konfiguration gefunden hat, die es erlaubt, ein Objekt zuverlässig zu erkennen – unabhängig davon, an welcher Stelle des Blickfelds es sich befindet.

„Das funktioniert auch, wenn das Objekt von Materialien verdeckt ist, die für Terahertzstrahlen transparent sind, etwa Papier oder Kunststofffolie“, sagt Benedikt Limbacher. Die Technik ist nicht nur einfach sondern auch schnell und tolerant gegenüber Störungen. „Wir zeigen hier, dass maschinelles Lernen nicht immer nur am Computer stattfinden muss“, sagt Limbacher. „Es gibt keinen Grund, eine scharfe Grenze zwischen digitaler und analoger Welt zu ziehen. Der Erfolg in unserem Ansatz besteht darin, beides nahtlos zu verbinden.“

Originalpublikation

B. Limbacher et al., Terahertz optical machine learning for object recognition, APL Photonics 5, 126103 (2020)., öffnet eine externe URL in einem neuen Fenster

Kontakt

Dipl.-Ing. Benedikt Limbacher
Institut für Photonik
Technische Universität Wien
benedikt.limbacher@tuwien.ac.at

Aussender:
Dr. Florian Aigner
PR und Marketing
Technische Universität Wien
Resselgasse 3, 1040 Wien
+43-1-58801-41027
florian.aigner@tuwien.ac.at