ТОП 10
Специалисты Балтийского федерального университета имени Канта совместно с коллегами из МФТИ, МГУ, Института океанологии РАН и Государственного океанографического института имени Зубова научили искусственный интеллект самостоятельно выявлять плавающий мусор в океане по видеозаписям, сделанным с палубы судна.
Разработанная учёными модель способна отличать отходы и мусор от птиц, солнечных бликов и капель на объективе, что делает её пригодной для постоянного слежения за состоянием морей. По оценкам экспертов, каждый год в Мировой океан попадает до 23 млн тонн отходов человеческой деятельности. Это наносит огромный ущерб экосистемам: морские обитатели заглатывают крупные частицы, запутываются в сетях и пакетах. Поэтому важно своевременно обнаруживать скопления мусора и удалять их.
Традиционный способ — визуальный осмотр водной поверхности с кораблей — отнимает много времени и сил, особенно на больших территориях. Альтернатива — анализировать снимки и видео, снятые дронами или камерами на судах. Для этого необходимы надёжные нейросети, способные распознавать именно пластик, а не случайные объекты вроде морских животных, пены или бликов.
Для обучения алгоритмов авторы разработки использовали кадры из арктической экспедиции 2023 года, сделанные с борта научного судна «Дальние Зеленцы». Всего было собрано 136 часов видео, которые разбили на отдельные кадры — получилось более полумиллиона фотографий морской поверхности. На примерно десяти тысячах из них исследователи вручную отметили птиц, мусор, цветные блики и капли на линзе.
Учёные протестировали два подхода. Первый — самообучение: нейросеть почти не требовала размеченных человеком примеров. Ей лишь показывали пары кадров, сделанных с разным временным интервалом. Анализируя разницу между последовательными снимками, алгоритм смог сам смоделировать вид чистого океана и в дальнейшем безошибочно определять всё, что выбивается из этой нормы: от плавающего мусора до пролетающих чаек и световых бликов.
Второй подход — классическое обучение с учителем: нейросети показывали множество уже размеченных изображений, и она училась находить похожие объекты. Результат оказался неожиданным: самообучающаяся модель показала эффективность на 30% выше, чем та, которую тренировали на ручной разметке.
Как пояснила младший научный сотрудник лаборатории физики моря Института океанологии РАН Полина Кривошлык, мусор на снимках встречается редко и выглядит очень разнообразно. Поэтому для его обнаружения более подходящим оказался метод поиска аномалий, который был применён в первом подходе. Самообучение позволяет избежать трудоёмкой ручной разметки тысяч изображений и делает алгоритм более гибким.
Как сообщает сай Минобрнауки России, в планах учёных — дополнить базу данных материалами из других регионов, чтобы повысить точность распознавания. Исследование выполнено при поддержке гранта Президентского фонда природы.
Ранее «Учительская Россия» рассказывала о том, что ДВФУ запустит 20 совместных программ с пятью странами АТР к 2030 году.