Ученые из Московского физико-технического института (МФТИ) и Института океанологии РАН разработали систему, использующую искусственный интеллект, для автоматического выявления плавающего мусора и других объектов на поверхности моря, в том числе в арктических условиях, с борта судна. Эта разработка предназначена для осуществления масштабного мониторинга загрязнения Мирового океана. Данная работа была опубликована в зарубежном научном издании Frontiers in Marine Science.
Загрязнение пластиковыми отходами и другими видами мусора представляет собой одну из ключевых опасностей для морских экосистем, наравне с глобальным изменением климата. Особенно беспокоит ситуация в Арктике, где микропластик находят как в организмах морских животных, так и в осадках, лежащих на дне океана. Методы контроля за крупными отходами на поверхности воды, основанные на визуальном наблюдении, требуют значительных затрат человеческого труда и не позволяют обеспечить достаточный контроль над водными территориями.
Ученые МФТИ предложили решение указанной проблемы. Разработанная ими система базируется на двух методах машинного обучения: классификации изображений с применением контрастного обучения и непосредственном обнаружении объектов. Оба подхода были проверены с использованием уникального набора данных, полученного в ходе научной экспедиции в Арктике осенью 2023 года.
«Мы обработали более 500 обработано более 000 фотографий морской поверхности, полученных в Баренцевом и Карском морях. Значительные трудности создавали неблагоприятные условия съемки, такие как морская пена, колебания судна и сильное солнечное сияние, — которые сильно затрудняют обнаружение мелких объектов на поверхности воды и на небольшой глубине. Система способна идентифицировать четыре типа объектов: морской мусор, птиц, блики на воде и капли на объективе камеры. Разработка особенно актуальна для Арктического региона, где загрязнение нерастворимым антропогенным мусором представляет растущую угрозу для хрупкой экосистемы », — пояснил один из авторов исследования, заведующий лабораторией машинного обучения в науках о Земле Московского физико-технического института Михаил Криницкий.
Использование контрастного обучения ResNet50+MoCo в сочетании с классификатором CatBoost признано наиболее результативным методом для выявления морского мусора. Применение данного подхода позволило достичь точности 0,4, измеренной по метрике F1-score. В качестве примера для сравнения, популярный алгоритм YOLO продемонстрировал значительно более низкую точность (около 0,1) при решении этой задачи, однако показал лучшие результаты при обнаружении птиц (0,73).
«Снижение эффективности YOLO может быть вызвано тем, что морской мусор зачастую состоит из небольших объектов, которые трудно различить на фоне волн. К счастью, мусор пока что встречается нечасто. Недостаточное количество объектов для обнаружения – это типичная проблема для моделей машинного обучения. Предварительное выделение фрагментов изображения в нашем подходе позволило эффективнее решать эту особенность статистического обучения », — соавтором работы также выступила младший научный сотрудник лаборатории машинного обучения в науках о Земле МФТИ Ольга Белоусова.
В перспективе исследователи намерены оптимизировать алгоритмы для применения в режиме реального времени, увеличить их избирательность в отношении плавающего мусора и приспособить для использования на автономных платформах наблюдения.
Реализация проекта осуществляется при поддержке Президентского фонда природы, грант № ЭКО-25-2-003542.
Информация предоставлена пресс-службой МФТИ