سیستم بینایی رباتیک الهامگرفته از چشم گربه: دید دقیق در نور و تاریکی
سیستم بینایی رباتیک الهامگرفته از چشم گربه دید دقیق در نور و تاریکی, دانشمندان مؤسسه علوم پایه کره جنوبی (IBS) یک سیستم بینایی کامپیوتری نوین را با الگوبرداری از ساختار چشم گربهها توسعه دادهاند. این فناوری پیشرفته، پهپادها، رباتها و خودروهای خودران را قادر میسازد تا در طیف وسیعی از شرایط نوری، از روزهای آفتابی تا شبهای تاریک، اشیاء را با دقت بسیار بالاتر شناسایی کنند.
محدودیتهای بینایی ماشین در شرایط نوری متغیر در سالهای اخیر کاربرد پهپادها، رباتها و خودرویهای خودران به شدت گسترش یافته است، اما عملکرد بینایی این دستگاهها در محیطهای چالشبرانگیز همچنان با مشکل مواجه است.
خودروهای خودران و رباتهای مجهز به دوربینهای معمول در شرایط جوی بد مانند باران، مه یا تغییرات ناگهانی نور، دچار کاهش دقت تشخیص اشیاء میشوند. این محدودیتها ناشی از عدم انعطافپذیری حسگرهای سنتی در برابر طیف دینامیکی نور محیط است. مکانیزم چشم گربه الگوهای طبیعی برای فناوری پیشرفته چشم گربهها از یک سیستم اپتیکال فوقالعاده برای تطبیق با محیطهای نوری متفاوت برخوردارند.
در طول روز، مردمک چشم گربه به شکاف عمودی تبدیل شده و نور ورودی را فیلتر میکند تا تابش شدید خورشید کنترل شده و تمرکز بر جزئیات محیط افزایش یابد. در شب، مردمک به طور کامل گشاد شده و لایه بازتابندهای به نام پرده درخشان نور را از طریق شبکیه بازتاب میدهد تا حساسیت دید در تاریکی به حداکثر برسد. سیستم جدید طراحی شده دقیقاً این مکانیزم دوگانه را تقلید میکند.
یدهد بدون نیاز به پردازشهای سنگین نرمافزاری، به طور بصری و سختافزاری با تغییرات نور سازگار شوند.
کارایی انرژی و تمرکز هوشمند بر اهداف یانگ مین سونگ، نویسنده ارشد این پژوهش، تأکید میکند که دوربینهای رباتیک رایج در محیطهای شلوغ یا با نور متغیر دچار اختلال میشوند. سیستم پیشنهادی با حذف بصری جزئیات غیرضروری و تمرکز اپتیکال بر اشیای کلیدی، این چالش را از ریشه حل میکند.
از آنجا که این فناوری بر پایه لنز و اپتیک تخصصی استوار است، نه پردازشهای محاسباتی سنگین، مصرف انرژی آن به شدت کاهش یافته و برای پهپادها و رباتهای متحرک ایدهآل است. آزمایشهای میدانی نشان داده که این سیستم میتواند اشیاء پسزمینه را به طور موثری محو کرده و در عین حال ردیابی و تشخیص شیء هدف را تقویت نماید. محققان برای بهینهسازی تشخیص الگوهای مهم، از الگوریتمهای یادگیری ماشین به عنوان مکمل سختافزار استفاده کردهاند.
نتایج کامل این پژوهش در مجله معتبر منتشر شده است.
