Resumen

Las propiedades ópticas inherentes (PIO) subacuáticas son las claves fundamentales de muchos campos de investigación, como la óptica marina, la biología marina y la visión subacuática. En la actualidad, los transmisómetros de haz y los sensores ópticos se consideran los métodos ideales para medir las PIO. Sin embargo, estos métodos son inflexibles y caros de desplegar. Para superar este problema, nos proponemos desarrollar un nuevo método de medición utilizando una sola imagen subacuática con la ayuda de una red neuronal artificial profunda. La potencia de las redes neuronales artificiales ha quedado demostrada en los campos del procesamiento de imágenes y la visión por ordenador con la tecnología de aprendizaje profundo. Sin embargo, la estimación de la PIO basada en imágenes es una tarea bastante diferente y desafiante. A diferencia de las aplicaciones tradicionales, como la clasificación o la localización de imágenes, la estimación de la PIO tiene en cuenta la transparencia del agua entre la cámara y los objetos objetivo para estimar múltiples propiedades ópticas simultáneamente. En este trabajo, proponemos una novedosa estructura de red neuronal profunda asistida por profundidad (DA) para la estimación de IOPs basada en una única imagen RGB que incluso es ruidosa. La información de la profundidad de la imagen se considera como una entrada asistida para ayudar a nuestro modelo a tomar una mejor decisión.

• Materias:Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva Fisiología vegetal
• Subjects:Genetic algorithms Brain - pathophysiology Cognitive Neuroscience Plant physiology
• Palabras claves:red neuronal artificial, estimación de iop, propiedad óptica inherente, métodos de medición novedosos, tecnología de aprendizaje profundo, estimación de iop basada, imagen rgb única, muchos campos de investigación, imagen submarina única, estructura de red neuronal
• Keywords:artificial neural network, iop estimation, inherent optical property, novel measuring methods, deep learning technology, based iop estimation, single rgb image, many research field, single underwater image, neural network structure