Компании – члены консорциума Центра компетенций НТИ «Технологии снижения антропогенного воздействия» Центр морских исследований МГУ имени М.В. Ломоносова (ЦМИ МГУ) и Моринтех обучили нейронную сеть распознавать на снимках земной поверхности специфические виды мусора на морских побережьях.
Существующие нейросети для мониторинга свалок и полигонов твёрдых коммунальных отходов ориентированы на другие задачи. Для мониторинга морских побережий требуется нестандартное решение. Новый подход открывает возможности для более эффективного контроля за загрязнением окружающей среды и для принятия мер по её защите.
Основной целью исследования стала разработка автоматизированной системы, способной выявлять и классифицировать типы мусора на снимках, полученных в ходе оптической съёмки со спутников и беспилотных летательных аппаратов. В ходе экспериментов учёные смогли обучить нейросеть различать разнообразные типы мусора, включая металлический мусор, отдельные металлические бочки, брёвна и части древесины, автомобильные шины, изоляционные материалы и другие виды мусора.
Система предназначена в первую очередь для мониторинга арктических побережий, отличающихся труднодоступностью и хрупкостью экосистемы. «Наша нейронная сеть — отличный пример внедрения технологий искусственного интеллекта в экологический мониторинг. И в особенности в мониторинг арктических побережий, который непросто проводить из-за их удалённости, большой протяжённости и изрезанности ландшафта. Созданное нами решение поможет экологам не только оптимизировать процесс анализа больших массивов данных, но и улучшить качество детектирования разных видов мусора», — отметила директор по цифровым технологиям компании Моринтех Марина Семёнова.
Материалы для обучения нейросети были собраны сотрудниками ЦМИ МГУ во время научных экспедиций в Карском море в 2019, 2021 и 2022 годах. Они отсняли более 70 км побережий полуостровов Ямал и Таймыр. Показатели точности определения разновидностей мусора на снимках достигли впечатляющих результатов: по всем объектам мусора общая точность модели составила 78%.
Использование нейросети для обнаружения мусора по снимкам с беспилотников значительно сокращает время и затраты на проведение мониторинга загрязнения на больших или труднодоступных территориях.
Источник: rt.com