دانشمندان با الهام از مغز سیستمی ساختند که اشیای درون مه‌ را شناسایی می‌کند

از اینکه ما را در توسعه بهتر و هدفمند‌تر دیجیاتو همراهی می‌کنیداز شما سپاسگزاریم.

پژوهشگران دانشگاه براون سیستم جدیدی ساخته‌اند که می‌تواند اشیای متحرک را در مه غلیظ و آب کدر تصویربرداری و ردیابی کند.

جهت بهره‌مندی و دسترسی به امکانات ویژه و بخش‌های مختلف در دیجیاتو عضو ویژه دیجیاتو شوید.

پژوهشگران دانشگاه براون سیستم تصویربرداری جدیدی ساخته‌اند که می‌تواند اشیای متحرک را در محیط‌هایی مانند مه غلیظ و آب گل‌آلود شناسایی و ردیابی کند؛ محیط‌هایی که در آن‌ها دوربین‌های معمولی قادر به دیدن این اشیا نیستند.

به گزارش تک‌اکسپلور، این فناوری از ترکیب یک حسگر بینایی پویا (Dynamic Vision Sensor) و یک شبکه عصبی اسپایکی (Spiking Neural Network) استفاده می‌کند. حسگر بینایی پویا برخلاف دوربین‌های معمولی، به‌جای ثبت فریم‌های کامل فقط تغییرات روشنایی پیکسل‌ها را ثبت می‌کند و شبکه عصبی نیز از این داده‌ها برای بازسازی تصویر اشیای متحرک استفاده می‌کند.

پژوهشگران در آزمایش‌های خود تصاویری از حروف و اعداد متحرک و همچنین طرح کلی گونه‌های مختلف پرندگان را از میان محفظه‌ای پر از مه یا مخزن آب کدر عبور دادند. سیستم توانست اشیای متحرکی را که برای دوربین معمولی یا چشم انسان قابل تشخیص نبودند، بازسازی و هم‌زمان موقعیت آن‌ها را دنبال کند.

در آب کدر و مه متحرک، تصاویر بازسازی‌شده این سیستم تا ۹۶ درصد به شیء پنهان‌شده شباهت ساختاری داشتند.

ایده اصلی این سیستم از نحوه پردازش اطلاعات بصری در مغز الهام گرفته شده است. شبکیه چشم به‌جای ثبت یک تصویر کامل، عمدتاً به تغییرات میدان دید مانند لبه‌ها، حرکت و سوسو زدن واکنش نشان می‌دهد و این اطلاعات را برای بازسازی صحنه به مغز می‌فرستد.

حسگر بینایی پویا نیز به شیوه‌ای مشابه، فقط زمانی که شدت نور یک پیکسل از آستانه مشخصی تغییر کند، سیگنال ارسال می‌کند. در نتیجه، حسگر می‌تواند حرکت یک شیء را حتی زمانی که بخش زیادی از نور آن در اثر مه یا محیط کدر پراکنده شده است، تشخیص دهد.

از آنجا که پس‌زمینه پراکنده‌شده توسط مه نسبت به شیء متحرک تغییرات بسیار آهسته‌تری دارد، حسگر تا حد زیادی مه را نادیده می‌گیرد و بیشتر به نوری واکنش نشان می‌دهد که با شیء ‌کنش داشته است.

این سامانه همچنین مصرف انرژی پایینی دارد. خود حسگر تنها به چند ده میلی‌وات انرژی نیاز دارد و شبکه عصبی اسپایکی نیز به دلیل پردازش سیگنال‌های پراکنده به‌جای فریم‌های متراکم، انرژی کمتری نسبت به شبکه‌های عصبی متداول مصرف می‌کند.

پژوهشگران معتقدند این فناوری در آینده می‌تواند در خودروهای خودران، پهپادهای جست‌وجو و نجات در شرایط طوفان یا آتش‌سوزی، ناوبری زیر آب و تصویربرداری پزشکی کاربرد داشته باشد.

یافته‌های این پژوهش در ژورنال Advanced Science منتشر شده است.

دانش‌آموخته‌ زبان‌شناسی‌ هستم و همان‌قدر که به «کلمه» علاقه‌مندم، از سرک‌کشیدن به گوشه‌وکنارِ جهان تکنولوژی و علم هم حظ می‌کنم.

برای گفتگو با کاربران ثبت نام کنید یا وارد حساب کاربری خود شوید.

با توجه به قطعی اینترنت، برای ثبت‌نام نیازی به تأیید ایمیل نیست.