بهینهسازی بینایی پهپادها با الهام از ساختار چشم گربه

بهینهسازی بینایی پهپادها با الهام از ساختار چشم گربه, بهینهسازی بینایی پهپادها با الهام از چشم fé دانشمندان سیستم بینایی جدیدی را طراحی کردهاند که بر پایه ساختار چشم گربهها مدلسازی شده است. این مدل در شرایط نوری مختلف اشیای بیشتری را تشخیص میدهد. در سالهای اخیر، از رباتها، پهپادها و خودروهای خودران نیز گسترده مداوم منفعت میشود.

اما تا به امروز بسیاری از این دستگاهها در هر انواع شرایط دید خوبی ندارند؛ از جمله خودروهای خودران در شرایط باران یا مه، کارکرد ضعیفی دارند چرا که این شرایط بر حسگرها و دوربینهای ماشین تأثیر میگذارد. بر اساس گزارش، دانشمندان cé علوم پایه کره جنوبی (IBS) سیستم بینایی کامپیوتری جدیدی با الهام از ساختار چشم گربه طراحی کردهاند که به پهپادها، رباتها و خودروها امکان میدهد دنیای اطراف خود را دقیقتر ببینند.

طراحی سیستم بینایی جدید پهپادها با الهام از چشم گربهها گربهها در هر دو محیط روشن و تاریک دارای کارکرد بینایی عالی هستند. مردمک چشم گربه طی روز شکل عمودی به خود میگیرد — گویی چشم آنها شکاف برده است — و نور را فیلتر میکند تا تابش شدید خورشید را افت دهد و این کار به گربه اجازه میدهدترکز بهتری داشته باشد. از سوی دیگر، در زمان شب مردمک چشم گربهها گشاد میشود تا نور بیشتری داخل شود.

بهعبارت دقیقتر چشم آنها لایهای بازتابنده به نام پرده درخشان دارد که با بازتاب نور مرئی از طریق شبکیه چشم، نور بیشتری در دسترس گیرندههای نوری قرار میدهد تا دید آنها تحکیم شود. سیستم تازه دانشمندان نیز شامل دیافراگمی شکافهمانند است که به فیلترکردن نور غیرضروری و تفاوت بین اشیای کلیدی در شرایط روشن پشتیبانی میکند. در محیطهای تاریک نیز از لایههای بازتابنده همانند آنچه در œ félادگی یافت میشود، برای بهبود دید منفعت میبرد.

یانگ مین سونگ، نویسنده ارشد این پژوهش، میگوید دوربینهای رباتیک برای شناسایی اشیا در بعدعرصههای شلوغ یا ستاری، بهاختصاصی وقتی که شرایط نور تغییر میکند، مشکل دارند. طراحی ما به رباتها اجازه میدهد جزئیات غیرضروری را حذف کرده و روی اشیای مهم تمرکز کند و بدین ترتیب این مشکل را از سر راه برمیدارد. بسی از این سیستم بینایی جدید بهجای پردازش سنگین کامپیوتری متکی بر لنزی تخصصی است، از نظر انرژی نیز کارآمدتر است.

وقتی محققان سیستم خود را آزمایش کردند، مشخص شد اشیاءبعدعرصه را با موفقیت حذف میکند و در عین حال تمرکز خود را روی شی مورد نظر افزایش میدهد. اینگونه از مجموعهای از الگوریتمهای یادگیری ماشینی استفاده کردند تا سیستم بتواند اشیای مهم را بهتر بشناسد. یافتههای این پژوهش در مجله انتشار شده است.,