Нейросети и машинное зрение помогут искать микропластик в природе

Источник: Кирилл Аристов, ПНИПУ

Источник: Кирилл Аристов, ПНИПУ

По данным Государственного доклада за 2022 год, объемы твердых коммунальных отходов (ТКО) в России составили почти 46 млн тонн, из них 5 млн тонн – пластиковый мусор. При этом ежегодно только 14–18% от его общего количества собирается для повторного использования. Все остальное отправляется на захоронение. Частицы микропластика обнаружены во всех сферах природной среды, а также в живых организмах, что ухудшает экологическую ситуацию на планете. Чтобы своевременно предпринимать меры по защите окружающей среды, во всем мире ищут способы быстро и точно находить пластиковые частицы в почве, воде и воздухе. Ученые ПНИПУ разработали технологию определения микропластика с помощью нейронных сетей и машинного зрения.

Исследование опубликовано в материалах всероссийской научно-практической конференции «Химия. Экология. Урбанистка», 2024 год. Работа проводилась в рамках программы «Сириус. Лето».

Полимерные материалы разлагаются в среднем от 400 до 700 лет. Под воздействием природных факторов, например, прямого ультрафиолетового излучения, они распадаются на частицы микропластика размером менее 5 мм и встраиваются в сложные среды, смешиваясь с ними. Его находят в воде, почве и некоторых видах пищевых продуктов, например, морской рыбе или растениях.

Микропластик принимает различные формы и имеет разнородный состав, поэтому определение его количества и свойств требует много времени. Сейчас все образцы изучают вручную с помощью фильтрации, микроскопов, спектрального анализа и некоторых физико-химических методов. Такой процесс весьма трудоемкий.

Ученые Пермского Политеха разработали способ определения частиц микропластика в компонентах природной среды с применением компьютерного зрения и нейронных сетей. Обучили нейросеть выделять и определять вид микропластика. Методы машинного обучения повышают точность результатов и скорость обработки образцов в несколько раз. Это значительно сократит время и затраты, связанные с ошибками.

– Для проведения исследований мы использовали искусственно подготовленные пробы путем дробления нескольких видов пластика: полиэтилентерефталат, полипропилен, полиэтилен низкой плотности. Предварительно полимерные отходы промывали, измельчали и просеивали через сито с величиной ячеек 1 мм. После этого пластик смешивали с песком для имитации условий в окружающей среде. Для определения частиц использовали метод микроскопирования c увеличением в 40 раз. Так мы собрали массив обучающей выборки из 100 изображений и применили его для обучения нейронной сети, – поделился магистр кафедры «Охраны окружающей среды» ПНИПУ Кирилл Аристов.

Полученный набор данных разделили на три выборки: 89% изображений использовались для обучения нейронной сети, 6% – для валидации, на ее основе производится промежуточная проверка, и 5% для теста, который нужен для окончательной проверки.

– Для эффективного обучения нужно много повторений, иначе нейронная сеть работает неточно. Поэтому обучение проводится в несколько циклов. Чем их больше, тем лучше натренирована нейросеть. Мы производили обучение для 30 циклов. По результатам средняя точность распознавания микропластика составила 82,63%, что считается довольно высокой, – поделился магистр кафедры «Автоматика и телемеханика» ПНИПУ Ростислав Кокоулин.

– Использование компьютерного зрения и нейронных сетей является многообещающим и перспективным методом в решении многих экологических задач, в том числе идентификации загрязнителей в объектах окружающей среды. Наши исследования в этой области будут продолжены, и мы надеемся получить достойные результаты, – дополнила доктор технических наук, профессор кафедры «Охрана окружающей среды» ПНИПУ Наталья Слюсарь.

 

Информация и фото предоставлены пресс-службой ПНИПУ


Источник