Как сообщили RT в пресс-службе Национальной технологической инициативы, существующие нейросети для мониторинга свалок и полигонов твёрдых коммунальных отходов ориентированы на другие задачи, поэтому для мониторинга морских побережий требуется нестандартное решение.
Такой прогрессивный подход к экологическому мониторингу открывает новые 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 ученые 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.
В первую очередь система создавалась 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%.
Один из главных плюсов использования нейросети для обнаружения мусора по снимкам с беспилотников заключается в том, что это значительно сокращает время и затраты на проведение мониторинга загрязнения на больших или труднодоступных территориях.