Ученые Балтийского федерального университета (БФУ) имени Канта в сотрудничестве с исследователями МФТИ и МГУ имени Ломоносова нашли оптимальный метод обучения нейросети, способной автоматически распознавать плавающий мусор в океане по видеозаписям с борта судна. Об этом ТАСС сообщили в Минобрнауки России.

«Ученые из МФТИ, МГУ имени М. В. Ломоносова и БФУ имени Иммануила Канта с коллегами нашли оптимальный метод обучения нейросети, способной автоматически распознавать плавающий мусор в океане по видеозаписям с борта судна. Представленная авторами модель отличает пластик от птиц, бликов и капель на объективе камеры, благодаря чему может использоваться для постоянного мониторинга состояния морей нашей страны», — сообщил собеседник агентства.

По оценкам специалистов, в Мировой океан ежегодно попадает до 23 млн тонн антропогенного мусора, который наносит серьезный вред экосистемам.

«Морские животные могут проглотить крупные частицы, препятствующие дыханию, а также запутаться в пакетах, сетях и волокнах из пластика. Поэтому важно отслеживать скопления плавающего морского мусора, включая пластиковый, в морях и своевременно их убирать. Обычно такой мусор ищут, просматривая поверхность океана с судов, однако это долгий и трудозатратный процесс, а потому проводить мониторинг больших территорий очень сложно. В качестве альтернативы можно анализировать снимки поверхности океана, сделанные дронами или камерами на бортах судов. Для этого нужны надежные нейросети, способные отличать пластиковый мусор от других случайных объектов, например, морских животных, пены и бликов на воде», — сообщили исследователи.

Для обучения и тестирования алгоритмов работы нейросети авторы использовали кадры видеозаписей, сделанных с борта научно-исследовательского судна «Дальние Зеленцы» во время арктической экспедиции 2023 года. Ученые собрали 136 часов материала, который разбили на отдельные кадры, получив более полумиллиона фотографий морской поверхности. Из них примерно на 10 тыс. снимков исследователи вручную отметили птиц, мусор, цветные блики и капли воды, попавшие на объектив.

«На первом этапе нейросеть самостоятельно «училась» выявлять на снимках мусор, почти не требуя размеченных человеком примеров. Алгоритму только «показывали» пары кадров, сделанные с разными временными промежутками. Если два соседних изображения сделаны с интервалом в секунду, они выглядят почти одинаково. Если же время между снимками большое, они сильно отличаются. Анализируя подобные изменения, нейросеть смогла создать представление того, как выглядит обычный океан, и точно определять любые отклонения от нормы — будь то мусор, птица или даже необычный блик. Далее дополнительный инструмент — классификатор — различал такие аномалии между собой по внешним признакам», — сообщил собеседник агентства.

По его словам, второй метод обучения нейросети занял больше времени: алгоритму «показывали» множество изображений с уже отмеченными вручную объектами, например, птицами, мусором, бликами солнца. В результате такого обучения алгоритм приобрел способность находить такие же объекты на неразмеченных снимках.

При этом ученые намеренно меняли соотношение «пустых» кадров и изображений с различными объектами, обучая алгоритмы на разных наборах данных. Оказалось, что нейросеть, прошедшая подобное «самообучение», на 30% эффективнее находила мусор на снимках, чем алгоритм, «натренированный» на размеченных человеком снимках.