激光与新算法AI模型结合，更准确“感知”物体表面

通过与相关传感平台连接，人工智能技术越来越能够从周围世界收集数据，作为计算的基础。这些传感器让人工智能能够观察环境、进行对话和计算。但迄今为止，它们还没有做好一件事，那就是“感知”表面——测量纹理和粗糙度，这是一项纯粹的机械功能。

斯蒂文斯理工学院的一个项目现已展示了一种基于激光的新型表面粗糙度测量方法，该方法可能也适用于将数据传输到人工智能系统中进行评估。该项研究已发表在《应用光学》上，并将为医学、制造业和其他应用领域的计量学，带来有价值的进步。

斯蒂文斯理工学院物理学教授Yong Meng Sua说：通过计算机视觉和物体识别方面的进步，人工智能或多或少已经获得了视觉感知能力。但是，它还没有发展出类似人类的触觉，例如，它还不能辨别粗糙的报纸纸张和光滑的杂志纸张。

量子科学与工程中心Yuping Huang小组的研究可为制造和医学提供帮助

研究人员设计了一种量子光学装置，它将光子发射扫描激光器与经过训练的新算法人工智能模型结合在一起，当这些激光对各种表面成像时，人工智能模型就能分辨出它们之间的差异。斯蒂文斯理工学院的Daniel Tafone对此评论表示，这是人工智能与量子的结合。

该平台使用单像素光栅扫描和单光子计数激光雷达系统，以皮秒脉冲对准表面。目标物体反射回来的背向散射光子带有斑点噪声，通常被认为是有害的。然而，研究小组的系统使用经过训练的人工智能来检测和处理这些噪声伪影，并将其特征解释为有价值的数据。这样，系统就能准确辨别物体的外形。

及早发现皮肤癌
“这些背向散射的光子携带着粗糙表面产生的斑点噪声，表面上不同照明点的光子数变化成为衡量表面粗糙度的良好指标。”该项目在发表的论文中评论道。研究小组使用了31张表面粗糙度不同的工业砂纸作为实验目标，厚度从1微米到100微米不等。相比之下，人类头发的平均厚度约为100微米。

实验人员将锁模激光器产生的光脉冲对准样品。这些脉冲通过收发器，遇到砂纸，然后反弹回系统，由研究小组的学习模型进行分析。在早期测试中，该研究小组的方法平均均方根误差（RMSE）约为8微米；在处理多个样品并对其结果求平均值后，其精度大幅提高到4微米以内，可与目前使用的最佳工业轮廓仪装置媲美。

Tafone评论表示：有趣的是，我们的系统对金刚石研磨膜和氧化铝等细粒表面的效果最好。由于激光雷达技术已经广泛应用于自动驾驶汽车、智能手机和机器人，新的计量方法可以丰富这些平台的能力，在极小的尺度上进行表面属性测量。

新型表面计量系统的应用范围还可以超出制造业的范畴。该项目评论说，皮肤癌的诊断可能会因为人类检查员的失误而受到阻碍，他们会将看起来非常相似但无害的病症与可能致命的黑色素瘤混淆。

斯蒂文斯量子科学与工程中心的Yuping Huang说：痣的粗糙度存在微小差异，人眼无法看到，但我们提出的量子系统却可以测量，它可以区分这些病症。量子相互作用提供了大量信息，利用人工智能快速理解和处理这些信息是下一个合乎逻辑的步骤。