توسعه سیستم تصویربرداری دانشگاه براون با الهام از مغز انسان جهت شناسایی و ردیابی اجسام در مه غلیظ و آب کدر با دقت ۹۶ درصد.
پژوهشگران دانشگاه براون موفق به طراحی و ساخت سامانه بینایی پیشرفته‌ای شده‌اند که توانایی شناسایی و تعقیب دقیق اجسام متحرک را در شرایط محیطی سخت مانند مه بسیار متراکم یا آب‌های ناپایدار و گل‌آلود فراهم می‌سازد؛ شرایطی که دوربین‌های رایج و حتی چشم انسان در آن کاملاً نابینا هستند.
ترکیب حسگر پویا و شبکه عصبی اسپایکی
ساختار این فناوری نوظهور بر پایه دو رکن اصلی استوار است:
-
حسگر بینایی پویا (Dynamic Vision Sensor): ثبت رفتاری شباهت کاملی به عملکرد شبکیه چشم دارد. این حسگر به‌جای ثبت فریم‌های سنگین و کامل تصویری، تنها تغییرات میزان روشنایی هر پیکسل را سنجیده و ارسال می‌کند.
-
شبکه عصبی اسپایکی (Spiking Neural Network): با دریافت جریانی از داده‌های تغییرات نور، ساختار اجسام متحرک را پایش و استخراج می‌نماید.
از آنجا که ذرات مه و غبار رفتاری ساکن یا تغییراتی بسیار کند دارند، حسگر به‌طور هوشمند این پس‌زمینه ثابت را حذف کرده و فقط بر نوری تمرکز می‌کند که بر اثر حرکت شیء متحرک بازتاب یافته است.
دقت بالا و بهینه‌سازی مصرف انرژی
در آزمون‌های آزمایشگاهی، پژوهشگران تصاویری از نشانه‌ها، اعداد و طرح‌های پیچیده پرندگان را از میان محفظه‌های غلیظ مه و آب کدر عبور دادند. نتایج به دست آمده حیرت‌انگیز بود؛ سیستم توانست تصاویر بازسازی‌شده را با تشابه ساختاری تا ۹۶ درصد نسبت به فرم واقعی جسم ارائه دهد.
این سامانه علاوه بر قدرت پردازشی بالا، بسیار کم‌مصرف است:
-
مصرف سخت‌افزاری حسگر مجزا در حد چند ده میلی‌وات باقی می‌ماند.
-
شبکه عصبی اسپایکی با پردازش سیگنال‌های گسسته به جای فریم‌های سنگین تصویری، مصرف انرژی کل سیستم را به حداقل می‌رساند.
چشم‌انداز و کاربردهای عملیاتی
سازندگان این فناوری معتقدند که سامانه بینایی الهام‌‌گرفته از مغز می‌تواند تحولی ملموس در حوزه‌های زیر ایجاد کند:
-
خودروهای خودران: افزایش ایمنی حرکت در شرایط نامساعد جوی مانند مه، برف و باران شدید.
-
پهپادهای امداد و نجات: اجرای عملیات جست‌وجو در محیط‌های بحرانی حاوی دود ناشی از آتش‌سوزی یا طوفان.
-
ناوبری زیرآبی و تصویربرداری پزشکی: بهبود قدرت دید تجهیزات اکتشافی دریا و ابزارهای دقیق تشخیصی.