Российские ученые разработали ИИ для борьбы с пластиковым загрязнением Арктики

Специалисты Московского физико-технического института (МФТИ) совместно с Институтом океанологии им. П. П. Ширшова РАН представили инновационную систему на основе искусственного интеллекта, способную автоматически обнаруживать пластиковый и другой морской мусор на поверхности воды в сложнейших условиях Арктики. Результаты этой прорывной работы, призванной усилить мониторинг одной из наиболее уязвимых экосистем мира, были опубликованы в авторитетном международном журнале Frontiers in Marine Science.

Проблема пластикового загрязнения приобрела глобальные масштабы, представляя собой одну из ключевых угроз для экосистем Мирового океана. Особую тревогу вызывает Арктический регион, где следы микропластика уже обнаруживаются как в организмах морских обитателей, так и в донных отложениях, сообщает пресс-служба МФТИ.

Традиционные методы мониторинга, основанные на визуальном наблюдении с борта судов, оказываются крайне трудозатратными и не позволяют охватить обширные акватории, что делает разработку российских ученых особенно актуальной.

Новая интеллектуальная система использует два передовых подхода машинного обучения: классификацию изображений с контрастным обучением и прямое детектирование объектов. Алгоритмы были обучены на уникальной и обширной базе данных, собранной во время арктической экспедиции осенью 2023 года на научно-исследовательском судне "Дальние Зеленцы".

"Мы обработали более 500 тысяч фотографий морской поверхности, сделанных в Баренцевом и Карском морях. Особую сложность представляли условия съемки: морская пена, качка и солнечные блики, которые существенно усложняют идентификацию объектов", — пояснил заведующий лабораторией машинного обучения в науках о Земле МФТИ Михаил Криницкий.

Система способна идентифицировать четыре типа объектов: собственно морской мусор, птиц, солнечные блики на воде и даже капли на объективе, что позволяет минимизировать ложные срабатывания и повысить точность обнаружения.

"Морской мусор часто представляет собой мелкие и редкие объекты на фоне волн. Наш подход с предварительным выделением фрагментов изображения позволил значительно лучше справиться с проблемой малого количества примеров и повысить эффективность детектирования", — добавила младший научный сотрудник лаборатории Ольга Белоусова.

Разработка выполнена при грантовой поддержке Президентского фонда природы. В дальнейших планах ученых — усовершенствование алгоритмов для работы в реальном времени, повышение их точности в детекции мусора и адаптация системы для использования на автономных платформах мониторинга.