الذكاء الاصطناعى يتعلم رؤية الأجسام تحت المياه العكرة

طور فريق بحثي صيني نظامًا يستخدم الذكاء الاصطناعي لتحسين اكتشاف الأجسام داخل الصور الملتقطة تحت الماء، حتى عندما تؤدي العكارة وضعف الإضاءة إلى إخفاء التفاصيل وتشويه الألوان، وحقق النظام دقة كشف بلغت 85.3% وفق أحد مقاييس الاختبار على مجموعة بيانات مخصصة للصور تحت الماء، في تجربة تستهدف معالجة العقبات التي تواجه الكاميرات المستخدمة في البحث البحري والروبوتات المائية.

ووفقًا لدراسة منشورة في دورية Scientific Reports، طور باحثون من Guangzhou Xinhua University وGuangzhou Huashang College نظامًا يحمل اسم GDH-Det، يستخدم نموذجًا لتوليد صور تحاكي درجات مختلفة من عكارة المياه وتشوه الرؤية، ثم يستفيد من هذه الصور في تدريب نظام التعرف على الأجسام، واختبر الباحثون أداء التقنية باستخدام 4 مجموعات بيانات تحمل أسماء URPC2020 وDUO وUODD وBrackish.

كيف يتعلم النظام الرؤية عندما تختفي التفاصيل؟

تؤدي الجسيمات العالقة في المياه إلى تشتيت الضوء، كما تتغير الألوان وتضعف حواف الأجسام مع اختلاف العمق والإضاءة، وهو ما قد يجعل أنظمة التعرف على الصور تفشل في تحديد موقع جسم أو تمييزه عن الخلفية.
ولمعالجة المشكلة، طور الباحثون طريقة تولد نسخًا من الصور تحاكي ظروف الرؤية المتدهورة، ثم تختار عينات مناسبة للتدريب بناءً على وضوح الأجسام وصعوبة التعرف عليها، بحيث يتعلم النظام التعامل مع صور أكثر تنوعًا من البيانات الأصلية.

ماذا كشفت نتائج الاختبارات؟

حقق النظام نتائج بلغت 85.3% و79.6% و66.2% و84.7% على مجموعات البيانات الأربع وفق مقياس دقة الكشف المستخدم في الدراسة، وعند المستوى الخامس من تدهور الصورة سجل 74.8% على مجموعة URPC2020، متقدمًا بمقدار 6.7 نقاط مئوية على أحد النماذج المقارنة.
كما أظهر اختبار حذف مكونات النظام أن دمج تقنيات توليد الصور وانتقاء العينات ساعد على رفع الأداء بمقدار 4.9 نقاط مئوية مقارنة بنموذج تدرب على الصور الأصلية فقط.

لكن النتائج تستند إلى مجموعات بيانات واختبارات حاسوبية، ولا تعني أن النظام جرى تركيبه واختباره داخل روبوت بحري يعمل بصورة مستقلة، كما أن الانتقال من الصور التجريبية إلى البيئات البحرية يحتاج إلى التحقق من الأداء تحت ظروف الإضاءة والحركة والتيارات المختلفة.