Oι αισθητήρες εικόνας των φωτογραφικών μηχανών με τεχνολογία CMOS όπως έχουν επικρατήσει τα τελευταία χρόνια είναι περίπλοκες σχεδιάσεις. Περιέχουν εκτός από τα pixel και ενισχυτικές βαθμίδες και άλλα κυκλώματα, αλλά έχουν και αστοχίες όπως τα “κολλημένα” ή τα “καμμένα” pixel. Αυτά συχνά χαρτογραφούνται από ειδικά προγράμματα pixel mapping ΄ώστε στη συνέχεια να διορθώνεται η πληροφορία που λείπει με διάφορες τεχνικές.
Το στέλεχος της Samsung Girish Kalyanasunduram πρόσφατα παρουσίασε ση διεθνή διάσκεψη Computer Vision and Image Processing, την ερευνητική εργασία A Pre-processing Assisted Neural Network for Dynamic Bad Pixel Detection in Bayer Images που αντιμετωπίζει το πρόβλημα των καμμένων/κολλημένων pixel στους αισθητήρες με τη βοήθεια τεχνητής νοημοσύνης. Αυτά διακρίνονται ανάμεσα σε στατικά (που προκύπτουν κατά τη βιομηχανική κατασκευή και δυναμικά που αλλάζουν κατά τη λειτουργία. Η μέθοδος αξιοποιεί ένα απλό νευρωνικό δίκτυο για να εντοπίσει τα προβληματικά pixel, ιδιαίτερα τα δυναμικά, σε ένα αισθητήρα με μικροφίλτρα Bayer pattern με ακρίβεια 99,955%. Και μάλιστα αυτό αποκτά ιδιαίτερη χρησιμότητα στα smartphone με τους μικροσκοπικούς αισθητήρες. Επειδή τα δυναμικά αλλάζουν συνεχώς η ιδέα είναι να εντοπίζονται με συνεχή τρόπο με την τεχνητή νοημοσύνη.
Τεχνητή νοημοσύνη εναντίον καμμένων pixel
