基于深度学习的防生物污染无镜头相机系统

近年来, 随着对能够长期监测海上结构物状态并统计水养殖环境中个体数的 underwater camera需求的增长, 存在显著问题即生物污染附着于光圈和镜头上, 阻碍摄像机获取清晰图像。本研究考察了一种应用高内在抗生物污染材料技术并基于深度学习图像重建技术的 underwater camera。为此, 我们的原型相机使用具1k个矩形孔形针孔的编码光圈, 该光圈由薄金属板（如铜）制成, 可阻止生物污染生长并保持表面清洁。尽管镜头less相机拍摄的图像通常质量不佳, 由于缺乏传统玻璃镜头, 最近基于ViT（Vision Transformer）的深度学习方法已显示能够较好地重建原始照片图像, 我们的研究也表明使用gated MLP（Multilayer Perceptron）同样取得良好效果。另一方面, 生物疏水材料需要一定厚度才能发挥作用, 光圈厚度必须足够薄, 以避免针孔尺寸较大时侧墙的意外反射和吸收。因此, 我们准备了足够薄的薄片用于图像重建, 目前正在实际海水环境中测试镜头less相机的防生物污染光圈, 以确定其在防生物污染方面是否足够优于仅防水的常规相机。