Специалисты обучили нейросеть распознавать плавающий в океане мусор на видеозаписях с борта судна. Модель отличает пластиковые отходы в кадре от птиц, бликов и капель.
Работу провели сотрудники Балтийского федерального университета имени Иммануила Канта совместно с коллегами из МФТИ, МГУ имени М.В. Ломоносова, Института океанологии имени П.П. Ширшова РАН и Государственного океанографического института имени Н.Н. Зубова. Исследование поддержал грантом Президентский фонд природы. По оценкам специалистов, в Мировой океан ежегодно попадает до 23 млн тонн антропогенного мусора, который наносит серьезный вред экосистемам и морским животным. Обычно такие отходы ищут, просматривая водную поверхность с судов, однако это долгий и трудозатратный процесс. В качестве альтернативы ученые предлагают анализировать снимки поверхности океана, сделанные дронами или камерами на флоте, рассказали Fishnews в пресс-центре Минобрнауки. Но для этого нужны надежные нейросети, которые смогут отличать пластиковый мусор от других случайных объектов, например, морских животных, пены и бликов на воде. Для обучения нейросети и тестирования алгоритмов авторы проекта использовали видеозаписи, сделанные на научно-исследовательском судне «Дальние Зеленцы» во время арктической экспедиции 2023 г. Всего ученые собрали 136 часов материала, который разбили на отдельные кадры и получили более 500 тыс. фотографий морской поверхности. Из них примерно на 10 тыс. снимков исследователи вручную отметили птиц, мусор, цветные блики и капли воды. Ученые тестировали два подхода к обучению. В первом случае нейросеть самостоятельно училась выявлять на снимках мусор. Алгоритму «показывали» пары кадров, сделанные с разными временными промежутками. Анализируя изменения, нейросеть смогла создать представление о том, как выглядит чистая поверхность океана и научилась точно определять любые отклонения от нормы — будь то мусор, птица или блик. При втором подходе нейросети «показывали» множество изображений с уже отмеченными вручную объектами (птицами, мусором, бликами). В итоге алгоритм научился находить такие же объекты на неразмеченных снимках. Исследователи выяснили, что нейросеть, которая обучалась самостоятельно, находила мусор на снимках на 30% эффективнее, чем алгоритм, натренированный на примерах человека. «Мусор встречается на снимках поверхности океана относительно редко и выглядит настолько разнообразно, что для его поиска эффективнее использовать метод поиска аномалий, который мы реализовали в первом подходе к обучению. «Самообучение» позволяет избежать ручной разметки тысяч изображений и делает алгоритм более гибким», — рассказала один из авторов исследования, младший научный сотрудник лаборатории физики моря Института океанологии имени П.П. Ширшова РАН, научный сотрудник БФУ Полина Кривошлык. В дальнейшем ученые планируют дополнить базу данных анализами из других регионов, чтобы с их помощью повысить точность модели.
Читайте также: ИИ привлекли на помощь лососям Аляски
Больше новостей читайте в телеграм-канале Fishnews. Теперь мы также в MAX. Fishnews