دانشمندان سیستم بینایی جدیدی طراحی کرده‌اند که از لنزها و حسگرهای پیشرفته استفاده می‌کند و براساس ساختار چشم گربه‌ها مدل‌سازی شده است. این مدل در شرایط نوری اشیای بیشتری را تشخیص می‌دهد.
در سال‌های اخیر، بیش‌ازپیش از ربات‌ها، پهپادها و خودروهای خودران استفاده می‌شود اما هنوز هم این دستگاه‌ها در همه محیط‌ها دید خوبی ندارند؛ برای مثال، خودروهای خودران در باران یا مه عملکرد ضعیفی دارند؛ زیرا این شرایط بر حسگرها و دوربین‌های خودرو تأثیر می‌گذارد.
دانشمندان مؤسسه علوم پایه کره جنوبی (IBS) سیستم بینایی کامپیوتری جدیدی با الهام از چشم گربه‌ها طراحی کرده‌اند که به پهپادها، ربات‌ها و خودروها امکان می‌دهد دنیای اطراف خود را دقیق‌تر ببینند.
طراحی سیستم بینایی جدید پهپادها با الهام از چشم گربه‌ها
گربه‌ها در هر دو محیط روشن و تاریک عملکرد بینایی عالی دارند. مردمک چشم گربه طی روز شکل عمودی به خود می‌گیرد –گویی چشم آنها شکاف برداشته است– و نور را فیلتر می‌کند تا تابش شدید خورشید را کاهش دهد و این امر به گربه اجازه می‌دهد تمرکز بهتری روی اطراف خود داشته باشد.
از سویی، هنگام شب مردمک چشم گربه‌ها گشاد می‌شود تا نور بیشتری وارد شود؛ به‌عبارت دقیق‌تر چشم آنها لایه‌ای بازتابنده به نام پرده درخشان (Tapetum lucidum) دارد که با بازتاب نور مرئی از طریق شبکیه چشم، نور بیشتری در دسترس گیرنده‌های نوری قرار می‌دهد تا دید آنها تقویت شود.
سیستم جدید دانشمندان نیز شامل دیافراگمی شکاف‌مانند است که به فیلترکردن نور غیرضروری و تمایز اشیای کلیدی در شرایط روشن کمک می‌کند؛ در محیط‌‌های تاریک نیز از لایه‌های بازتابنده مانند آنچه در چشم گربه‌ها یافت می‌شود، برای بهبود دید بهره می‌برد.
«یانگ مین سونگ»، نویسنده ارشد این پژوهش، می‌گوید:
«دوربین‌های رباتیک اغلب برای شناسایی اشیا در پس‌زمینه‌های شلوغ یا استتاری، به‌ویژه زمانی که شرایط نور تغییر می‌کند، مشکل دارند. طراحی ما به ربات‌ها اجازه می‌دهد جزئیات غیرضروری را محو و روی اشیای مهم تمرکز کند و به‌این‌ترتیب، این مشکل را از سر راه برمی‌دارد.»
ازآنجایی‌که این سیستم بینایی جدید به‌جای پردازش سنگین کامپیوتری متکی به لنزی تخصصی است، از نظر انرژی نیز کارآمدتر است. هنگامی که محققان سیستم خود را آزمایش کردند، متوجه شدند اشیای پس‌زمینه را با موفقیت محو می‌کند و درعین‌حال تمرکز خود را روی شی موردنظر افزایش می‌دهد. همچنین از مجموعه‌ای از الگوریتم‌های یادگیری ماشینی استفاده کردند تا سیستم اشیای مهم را بهتر درک کند.
یافته‌های این پژوهش در مجله Science Advances منتشر شده است.
