(资料图片)

据大公报报道，近日，中国科学院深圳先进技术研究院集成所光电工程技术中心李剑平博士团队在海洋观测机器视觉算法研究中取得新突破，设计发展了一种深度学习图像着色算法，可将水下原位拍摄的海洋浮游生物灰度图像自动着色为天然色彩，着色效果极为接近人眼观察。当下，深圳正奋力推动海洋经济、海洋科研新一轮高质量发展，加速建设全球海洋中心城市。李剑平表示，加强海洋科研合作也是粤港澳大湾区合作的重要内容。

该研究成果被国际机器视觉三大顶级学术会议之一的欧洲机器视觉大会接收发表，大会于10月23日－10月27日在以色列特拉维夫召开。　　

浮游生物是海洋生态系统的基本组成部分，牠们不仅是海洋渔业和水产养殖业的基础，还对全球气候变化和海洋碳汇起着难以估量的影响。因此，对浮游生物的观测不仅是海洋生态科学研究的基础，也是现代海洋生态环境管理不可或缺的手段。自20世纪90年代初以来，水下显微光学成像技术和仪器被逐步研发利用，通过原位成像观测助力海洋浮游生态系统研究，大大推动了人类对以浮游生物观测为基础的相关科学认知。

近年来，随着技术的发展，越来越多的浮游生物成像仪实现了彩色成像，也有许多实验证明彩色图像能够比灰度图像带来更为丰富的信息，对浮游生物观测起到重要作用。然而，水下彩色成像需要使用白光照明，会导致浮游动物因趋光性大量聚集在水下成像仪器前，改变牠们在水下的原有空间分布。这种非自然的改变，会使导致浮游生物的观测结果产生严重偏差，观测定量无法准确。

高效识别海洋污染源头

李剑平告诉记者，要给浮游生物“拍照”幷不容易：牠们“个头小”，形状多变，监测中还有可能拍到海水气泡、海雪等类似生物。而传统的水下成像仪为避免浮游动物的趋旋光性聚集，多数使用红光或近红外光照明成像，这样的拍摄条件只能获得浮游生物的灰度图像。如果能够训练人工智能，将红光照明下获取的灰度图像转换为高保真的彩色图像，是一种巧妙的解决之道。此外，仪器还要能经得住海水环境的考验、抵得过海洋生物的附着。＜nextpage＞

针对这一设想，团队设计幷训练了一种基于深度卷积神经网络的浮游生物自动着色算法，命名为IsPlanktonCLR网络（即原位浮游生物着色）。该网络采用了一种具有自指导功能的双通路网络结构，配合定制化的调色板和逐步聚焦的损失函数，实现了对浮游生物灰度图像的自动化着色，且对稀有物种和普通物种的关键部位的色彩还原具有优异的准确性。“通俗的理解就好比，给一张黑白照片上色。”李剑平解释道。

新技术开辟探索新思路

当下，深圳正奋力推动海洋经济、海洋科研新一轮高质量发展，打造全国“深蓝样板”，加速建设全球海洋中心城市。李剑平表示，加强海洋科研合作是粤港澳大湾区合作的重要内容，香港具有较高水平的海洋研究机构和高校，香港的海洋研究也吸收了海外发达国家的先进经验，幷且与海外有着密切的联系。他认为，新算法有利于更友好的观测深海生物，它的发展为海洋成像观测仪器获取准确、真实的观测结果提供了一种新的人工智能解决方案，其效果不仅直接规避了海洋浮游生物原位成像中因生物趋光聚集所致的观测不准确问题，还有可能为其他海洋生物的成像观测困难或损伤带来新的问题解决思路。