13 апреля 2026
Российские учёные нашли способ обучать нейросети поиску пластика в океане
Разработан метод автоматического распознавания плавающего мусора по видеозаписям с судов.
Это поможет эффективнее отслеживать загрязнение морей без постоянного участия человека. Учёные обучили нейросеть находить пластиковый мусор на поверхности океана по видеозаписям с судов.
Учёные Балтийского федерального университета имени Канта совместно с исследователями МФТИ и МГУ имени Ломоносова нашли оптимальный способ обучения нейросети, которая автоматически распознаёт плавающий мусор в океане по видеозаписям с борта судна. Об этом ТАСС сообщили в Минобрнауки России.
По оценкам специалистов, в Мировой океан ежегодно попадает до 23 миллионов тонн антропогенного мусора, который наносит серьёзный 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 мусора и своевременно его убирать.
Обычно мусор ищут, просматривая поверхность океана с судов, но это долгий и трудозатратный процесс. Альтернатива — анализировать снимки с дронов или камер на бортах судов с помощью нейросетей. Представленная модель отличает пластик от птиц, бликов и капель на объективе, благодаря чему может использоваться для постоянного мониторинга состояния морей.
Для обучения алгоритмов использовали кадры видеозаписей с борта научно-исследовательского судна «Дальние Зеленцы» во время арктической экспедиции 2023 года. Учёные собрали 136 часов материала, разбили его на отдельные кадры и получили более полумиллиона фотографий морской поверхности. Примерно на 10 тысячах снимков вручную отметили птиц, мусор, цветные блики и капли воды на объективе.
На первом этапе нейросеть самостоятельно училась выявлять мусор, почти не требуя размеченных человеком примеров. Алгоритму показывали пары кадров с разными временными промежутками, и он учился определять любые отклонения от нормы. Затем дополнительный инструмент — классификатор — различал аномалии между собой. Второй метод обучения занял больше времени: алгоритму показывали множество изображений с уже отмеченными вручную объектами. При этом нейросеть, прошедшая «самообучение», оказалась на 30% эффективнее в поиске мусора, чем алгоритм, обученный на размеченных человеком снимках.
|