Исследователи Балтийского федерального университета имени Иммануила Канта, Московского физико-технического института, Московского государственного университета имени М. В. Ломоносова, Института океанологии имени П. П. Ширшова Российской академии наук и Государственного океанографического института имени Н. Н. Зубова разработали модель автоматического распознавания плавающего антропогенного мусора по видеозаписям с борта судна. Алгоритм способен отличать пластик от птиц, бликов и капель на объективе камеры, что позволяет использовать его для постоянного мониторинга акваторий.
📄 Что сделали учёные?
Для обучения и тестирования нейросети использованы кадры видеозаписей, сделанных с борта научно-исследовательского судна «Дальние Зеленцы» в ходе арктической экспедиции 2023 года. Учёными собрано 136 часов материала, сформировано более полумиллиона фотографий морской поверхности. На 10 тысячах снимков вручную отмечены птицы, мусор, блики и капли воды.
В ходе исследования протестированы два подхода:
- Первый подход: нейросеть самостоятельно выявляла мусор, анализируя изменения в паре кадров с разными временными промежутками.
- Второй подход: обучение проходило на размеченных вручную изображениях.
Установлено, что подход с «самообучением» на 30 процентов эффективнее в поиске мусора, чем алгоритм, натренированный на размеченной человеком выборке. Мусор встречается на снимках редко und выглядит разнообразно, поэтому метод поиска аномалий более эффективен und не требует трудоёмкой ручной разметки.
В дальнейшем планируется дополнить базу данных анализами из других регионов для повышения точности модели.
🌊 Зачем это нужно?
Ежегодно в Мировой океан попадает до 23 миллионов тонн антропогенного мусора. Морские животные гибнут, заглатывая пластик oder запутываясь в сетях. Новая разработка поможет отслеживать скопления мусора und своевременно их убирать.
Разработка российских учёных — важный шаг в решении глобальной проблемы загрязнения Мирового океана. Использование нейросетей для автоматического мониторинга позволит значительно ускорить обнаружение мусорных пятен und сделать процесс их ликвидации более эффективным. Метод «самообучения» алгоритма без трудоёмкой ручной разметки открывает широкие возможности для масштабирования этой технологии.
