首页   |  小中伴学
优秀!海洋之心,深海迷雾启新思!
东北大学 霍楚格 唐吉 牛海妍 张颢潆 王波静2025-03-05
一篇论文,承载着团队成员们的研究成果,同样也凝聚着他们共同努力、探索未知的日日夜夜。

浩瀚无垠的海洋中,隐藏着无数令人向往的奥秘。然而水下图像增强技术的局限性却像一层迷雾,阻挡着人们探索的脚步。面对这一挑战,由东北大学机器人科学与工程学院2021级本科生组成的“海洋之心”团队迎难而上,在徐红丽、茹敬雨老师的共同指导下,完成论文《RUE-Net:通过实时图像增强推进水下视觉》,并在第十七届全国大学生创新年会中荣获“优秀学术论文”奖(全国20篇)。他们怀揣着对探索未知的热切与渴望,以卓越的创新精神和坚实的科研实力,为水下图像处理技术开辟了新的研究视角,也为行业的发展增添了新的活力。


“海洋之心”团队合影


深海迷雾启新思  踌躇满志踏征途

深海之下究竟有什么?在探索深海奥秘的征途不断推进下,人们仍面临着水下图像技术不够清晰的难题。在对真实海洋环境进行建模时,很难做到在图像处理中兼顾全局与细节信息。“在之前参加水下比赛时,我目睹了真实、恶劣的水下环境,这对人类进一步探索海洋造成了极大的阻碍。这让我充分认识到当前的水下图像增强技术,特别是在模拟真实海洋环境的情况下,依然有很大的提升空间。”王国存介绍,“我们现在水下机器人的算力有限,无法像地上机器人一样使用算力强大的板子,或者使用那些功耗比较大的CPU 算力板子。”

王国存与研究成果合影

怀揣着对水下图像增强技术的期待,王国存带领团队在比赛过程中真实感受并深刻洞察各种算法对水下图像的影响。在多次细心比对后,团队发现:大多数水下图像增强的方法侧重于增强某个局部的特征,或者其算法依赖于非常强大的算力支持;而在实际机器人的应用中,这种嵌入式设备的算力并不如人愿,其算力往往没有预期中的那么高。面对革新水下图像技术这一艰巨挑战,团队成员满怀信心,蓄势待发,希望能以更加高效、实质性强的水下图像增强模型作为引擎,在“波涛汹涌”的海洋科技领域中,开辟出一片新的天地,引领我们航向更清晰的视界。

团队成员进行研究

团队的每一步前行,都离不开指导老师的悉心帮助和学院的殷切支持。在了解这个团队的研究思路后,作为主要指导老师的徐红丽教授为研究提供了理论支持与方向指引;茹敬雨副教授和王帅实验师则从算法优化和实验设计的角度,为研究注入了关键性的创新方案。此外,团队还在老师的指导下进行了补充实践,通过消融实验来验证模型每部分的重要性。机器人学院提供了充足的算力支持与实验资源,为技术攻关和验证实验提供了重要保障。


机器人下水工作

汲取众智凝心力  各尽所长成巧思

大道不孤,众行至远。“海洋之心”团队成员全部来自东北大学机器人科学与工程学院,他们志趣相投,共同为解决水下真实环境图像失真问题而奋斗。大家各司其职,和衷共济。王国存作为团队的负责人之一主要负责模型的创新设计、实验论证以及论文撰写;王正龙和刘兆峰负责算法在水下机器人上应用的部署和测试,确保模型在实际环境中的运行效果;陈晨则负责在初步模型设计完成后进行深入研究并提出改进方案,并在后续的数据分析和实验验证方面提供重要支持。

为了统筹进度,汲取众智,团队通过定期开展会议同步论文进度,复现大家在论文中使用的方法并检查模型调优后的实验效果,探讨代码是否需要改进。“海洋之心”团队不只是简单分析总结实验目前遇到的困难和挑战,而是在一次次实践探索中反思超越,从而更快地找到问题并共同制定解决方案。“不拒众流,方为江海。每一位同学所学的知识和关注点都是不同的,在项目探讨的过程中,我们不但可以跟进自己的研究方向,也可以学习别人研究方向上的前沿知识。”王国存认为这不仅是一次简单的周会,也是一个成员间相互学习、提升自我的过程。团队成员能在一次次会议中反复审视模型设计和实验过程,并验证了一系列实际应用问题,突破前人的思路,通过调整算法结构和优化策略大幅提升了模型的性能。在一次周会上,陈晨结合实际情况和问题导向提出建议,希望根据水下偏蓝偏绿的海洋环境图像获取全局信息,并灵活利用它来减少算力。在团队成员仔细讨论后,以此为基础对现有水下图像技术进行了较大改进,更好地完善了FGD Module和RFE Module。团队的每个人都有一份热,发一分光,不啻微茫,造炬成阳。


研究成果

遇挫愈勇心不摇  砥砺前行展佳绩

持续的创新为努力划定了航向。原有的水下图像技术尚且存在很多不足,而水下环境复杂,光线不均、信号衰减、数据噪声等问题诸多,图像处理面临极高的技术挑战。“海洋之心”团队的研发目标是设计一种在低功耗条件下能实时处理水下图像的高性能算法,这意味着必须在模型性能与算法实时性之间找到最佳平衡,同时解决算力资源受限下的部署问题。为此,团队展开了多轮算法优化和模型结构迭代。他们独创了双分支并行网络结构,通过结合FGD模块和RFE模块并行处理全局与局部信息,显著提升了水下图像质量。此外,该网络结构还能通过简单地置换预测头使其在完成主任务的同时,能够兼容超分辨率等其他场景需求。在实际部署中,团队采用高效的TensorRT框架,将模型运行效率提升至51FPS,证明了其在有限资源环境下的实时性和实用性。


团队成员在进行研究

在团队实践初步宣告成功后,团队成员们心潮澎湃,斗志昂扬。怀着满腔热血和无限憧憬,他们初次以论文的形式将研究成果投递至顶级期刊IEEE Transactions on Geoscience and Remote Sensing,然而结果却并不尽如人意。审稿人指出模型的设计创新性不足,并对实验验证的充分性提出质疑。理想与现实的落差无疑是令人受挫的,但是同时团队成员们也深刻意识到,仅仅在性能上的提升并不足以支撑理论创新,模型设计需要更具革新性,同时实验验证需更加全面、严谨。

“审稿人严格的要求和认真的反馈恰恰说明了他对这个项目的期待。”指导老师的鼓励也给王国存留下了十分深刻的印象。在徐红丽、茹敬雨老师的引导下,团队成员们愈挫愈勇,再次埋头钻研,深入分析审稿意见,重新审视研究框架和实验设计。他们将目光聚焦于水下环境的独特性,从实际应用需求出发,对模型进行全面改进。在此过程中,模型架构实现了突破性调整,不仅创新性显著提升,实验数据也更加充分地验证了设计的有效性。

经过几个月的不懈努力,论文最终成功被期刊接受。“投稿成功的那一刻我们非常激动,我们的研究取得了阶段性的进展,效果也超越了之前的模型。”王国存认为虽然一路上时有风浪,但科研本身就是一段长期的探索,“我们会保持解决问题的热情,加强团队合作,在科研路上持续努力。”

团队成员合影


一篇论文,承载着团队成员们的研究成果,同样也凝聚着他们共同努力、探索未知的日日夜夜。在多轮迭代与优化中,团队提出了区别于传统网络的双分支并行网络结构,不仅有效平衡了全局与局部信息的处理需求,还通过模块置换实现了模型功能的灵活扩展,为水下图像处理技术提供了全新视角,为行业发展注入了新的可能性。

文字 | 霍楚格 唐吉 牛海妍 张颢潆 王波静

编辑 | 赵宇晴

责编 | 赵春时 迟美琪 杨明

[通讯员:张清语 于文玉 ]
[指导教师:赵春时 ]
[责任编辑:石悦]
一篇论文,承载着团队成员们的研究成果,同样也凝聚着他们共同努力、探索未知的日日夜夜。