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(xi) 圖像著色算法，可將水下原位拍攝的海洋浮遊生物灰度圖像自動著色為(wei) 天然色彩，著色效果接近人眼觀察。

　　據悉，該研究成果於(yu) 23日在國際機器視覺三大頂級學術會(hui) 議之一的歐洲機器視覺大會(hui) 上發表。中國科學院大學碩士研究生郭冠男為(wei) 第一作者，李劍平為(wei) 論文通訊作者，來自廈門大學、哈爾濱工業(ye) 大學(深圳)的數據科學家參與(yu) 該課題的合作研究。

　　隨著技術發展，越來越多的浮遊生物成像儀(yi) 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(wei) 豐(feng) 富的信息，對浮遊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(hui) 導致浮遊動物因趨光性大量聚集在水下成像儀(yi) 器前，改變它們(men) 在水下的原有空間分布。這種非自然的改變，會(hui) 使導致浮遊生物的觀測結果產(chan) 生偏差，觀測定量無法準確。

　　李劍平說：“由於(yu) 絕大多數浮遊動物對波長較長的紅光不敏感，傳(chuan) 統的水下成像儀(yi) 多數使用紅光或近紅外光照明成像，以避免浮遊動物的趨光性聚集。但這樣的拍攝條件隻能獲得浮遊生物的灰度圖像。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(wei) 高保真的彩色圖像，是一種巧妙的解決(jue) 之道。”

　　針對這一設想，李劍平團隊設計並訓練了一種基於(yu) 深度卷積神經網絡的浮遊生物自動著色算法，命名為(wei) “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，配合定製化的調色板和逐步聚焦的損失函數，實現了對浮遊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(guan) 鍵部位色彩還原具有優(you) 異的準確性。

　　李劍平表示，IsPlanktonCLR算法的發展為(wei) 海洋成像觀測儀(yi) 器獲取準確、真實的觀測結果提供新的人工智能解決(jue) 方案，效果不僅(jin) 規避了海洋浮遊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(wei) 其他海洋生物的成像觀測困難或損傷(shang) 帶來新的解決(jue) 思路，為(wei) 人類探索和認識海洋提供新的技術手段。(完)