中新網深圳10月24日電 (朱族英 李沛瑤)中國科學院深圳先進技術研究院24日發布消息稱，該院集成所光電工程技術中心的李劍平團隊設計了一種深度學習圖像著色算法，可將水下原位拍攝的海洋浮游生物灰度圖像自動著色為天然色彩，著色效果接近人眼觀察。
據悉，該研究成果于23日在國際機器視覺三大頂級學術會議之一的歐洲機器視覺大會上發表。中國科學院大學碩士研究生郭冠男為第一作者，李劍平為論文通訊作者，來自廈門大學、哈爾濱工業大學(深圳)的數據科學家參與該課題的合作研究。
隨著技術發展，越來越多的浮游生物成像儀實現了彩色成像，也有許多實驗證明彩色圖像能夠比灰度圖像帶來更為豐富的信息，對浮游生物觀測起到重要作用。
然而，水下彩色成像需要使用白光照明，會導致浮游動物因趨光性大量聚集在水下成像儀器前，改變它們在水下的原有空間分布。這種非自然的改變，會使導致浮游生物的觀測結果產生偏差，觀測定量無法準確。
李劍平說：“由于絕大多數浮游動物對波長較長的紅光不敏感，傳統的水下成像儀多數使用紅光或近紅外光照明成像，以避免浮游動物的趨光性聚集。但這樣的拍攝條件只能獲得浮游生物的灰度圖像。如果能夠訓練人工智能，將紅光照明下獲取的灰度圖像轉換為高保真的彩色圖像，是一種巧妙的解決之道。”
針對這一設想，李劍平團隊設計并訓練了一種基于深度卷積神經網絡的浮游生物自動著色算法，命名為“IsPlanktonCLR網絡”。該網絡采用了一種具有自指導功能的雙通路網絡結構，配合定制化的調色板和逐步聚焦的損失函數，實現了對浮游生物灰度圖像的自動化著色，且對稀有物種和普通物種的關鍵部位色彩還原具有優異的準確性。
李劍平表示，IsPlanktonCLR算法的發展為海洋成像觀測儀器獲取準確、真實的觀測結果提供新的人工智能解決方案，效果不僅規避了海洋浮游生物原位成像中因生物趨光聚集所致的觀測不準確問題，還有可能為其他海洋生物的成像觀測困難或損傷帶來新的解決思路，為人類探索和認識海洋提供新的技術手段。(完)
