Эксперты Барселонского университета (IRBio) и их коллеги разработали новый алгоритм для веб-приложения с открытым доступом MARLIT, который автоматически оценивает количество плавающего пластика в море с помощью аэрофотоснимков. В основе его работы – методы глубокого обучения. Точность измерений достигает 80%, согласно исследованию, опубликованному в журнале Environmental Pollution. Новость появилась на портале EurekAlert!.
Чтобы разработать алгоритм, исследователи проанализировали с помощью методов искусственного интеллекта более 3800 аэрофотоснимков средиземноморского побережья Каталонии.
Плавающий морской макро-мусор представляет собой угрозу сохранению морских экосистем во всем мире. Самая большая плотность плавающего мусора находится в огромных круговоротах океана – системах круговых течений, которые вращаются и утягивают за собой мусор. Тем не менее, загрязняющих отходов много и в прибрежных водах, и в полузамкнутых морях, таких как Средиземное море.
Сколько в Мировом океане скопилось мусора, обычно вычисляют с помощью прямых наблюдений: с лодки, с самолёта. Однако справиться с большим объемом данных в «ручном режиме» становится сложно. Поэтому есть альтернатива – аэрофотосъёмка в сочетании с аналитическими алгоритмами. У этого, более автоматизированного способа, также есть свои недостатки: волны, ветер и облака часто скрывают от зондов плавающий мусор.
Поэтому испанские учёные решили усовершенствовать автоматизированный метод, используя искусственный интеллект. «Большое количество изображений морской поверхности, полученных с помощью беспилотных летательных аппаратов и самолетов в ходе кампаний по мониторингу морского мусора, а также в ходе экспериментальных исследований с известными плавучими объектами, позволило нам разработать и протестировать новый алгоритм, который обнаруживает плавающий морской мусор с точностью 80% на удалённых объектах», – отмечает Гарсиа-Гарин, член Департамента эволюционной биологии, экологии и экологических наук Университета Барселоны.
Новый алгоритм MARLIT позволяет анализировать изображения индивидуально, а также разделять их на несколько сегментов в соответствии с инструкциями пользователя, определять количество плавающего мусора в каждой определенной области и оценивать плотность мусора с помощью метаданных изображения (высота, разрешение). В будущем учёные планируют адаптировать приложение к удалённому датчику (например, дрону) для автоматизации процесса дистанционного зондирования.