|
| AI算法可以帶動灣區海洋科研，圖為觀眾在深圳海博會上瞭解5G＋海洋技術。 |
中評社香港10月27日電／據大公報報道，近日，中國科學院深圳先進技術研究院集成所光電工程技術中心李劍平博士團隊在海洋觀測機器視覺算法研究中取得新突破，設計發展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，著色效果極為接近人眼觀察。當下，深圳正奮力推動海洋經濟、海洋科研新一輪高質量發展，加速建設全球海洋中心城市。李劍平表示，加強海洋科研合作也是粵港澳大灣區合作的重要內容。
該研究成果被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接收發表，大會於10月23日－10月27日在以色列特拉維夫召開。
浮游生物是海洋生態系統的基本組成部分，牠們不僅是海洋漁業和水產養殖業的基礎，還對全球氣候變化和海洋碳匯起著難以估量的影響。因此，對浮游生物的觀測不僅是海洋生態科學研究的基礎，也是現代海洋生態環境管理不可或缺的手段。自20世紀90年代初以來，水下顯微光學成像技術和儀器被逐步研發利用，通過原位成像觀測助力海洋浮游生態系統研究，大大推動了人類對以浮游生物觀測為基礎的相關科學認知。
近年來，隨著技術的發展，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够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，改變牠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嚴重偏差，觀測定量無法准確。
高效識別海洋污染源頭
李劍平告訴記者，要給浮游生物“拍照”并不容易：牠們“個頭小”，形狀多變，監測中還有可能拍到海水氣泡、海雪等類似生物。而傳統的水下成像儀為避免浮游動物的趨旋光性聚集，多數使用紅光或近紅外光照明成像，這樣的拍攝條件只能獲得浮游生物的灰度圖像。如果能够訓練人工智能，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。此外，儀器還要能經得住海水環境的考驗、抵得過海洋生物的附著。＜nextpage＞
針對這一設想，團隊設計并訓練了一種基於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（即原位浮游生物著色）。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的色彩還原具有優異的准確性。“通俗的理解就好比，給一張黑白照片上色。”李劍平解釋道。
新技術開辟探索新思路
當下，深圳正奮力推動海洋經濟、海洋科研新一輪高質量發展，打造全國“深藍樣板”，加速建設全球海洋中心城市。李劍平表示，加強海洋科研合作是粵港澳大灣區合作的重要內容，香港具有較高水平的海洋研究機構和高校，香港的海洋研究也吸收了海外發達國家的先進經驗，并且與海外有著密切的聯系。他認為，新算法有利於更友好的觀測深海生物，它的發展為海洋成像觀測儀器獲取准確、真實的觀測結果提供了一種新的人工智能解決方案，其效果不僅直接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准確問題，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問題解決思路。 |
