(相关资料图)

中新网深圳10月24日电 (朱族英 李沛瑶)中国科学院深圳先进技术研究院24日发布消息称，该院集成所光电工程技术中心的李剑平团队设计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，着色效果接近人眼观察。

据悉，该研究成果于23日在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上发表。中国科学院大学硕士研究生郭冠男为第一作者，李剑平为论文通讯作者，来自厦门大学、哈尔滨工业大学(深圳)的数据科学家参与该课题的合作研究。

随着技术发展，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，改变它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偏差，观测定量无法准确。

李剑平说：“由于绝大多数浮游动物对波长较长的红光不敏感，传统的水下成像仪多数使用红光或近红外光照明成像，以避免浮游动物的趋光性聚集。但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。”

针对这一设想，李剑平团队设计并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”。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色彩还原具有优异的准确性。

李剑平表示，IsPlanktonCLR算法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新的人工智能解决方案，效果不仅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解决思路，为人类探索和认识海洋提供新的技术手段。(完)