Заснять со дна: ИИ проследит за морскими животными и подводными объектами
Российские ученые разработали систему технического зрения для наблюдения за подводным миром, которая автоматически определяет природные и искусственные объекты в глубине моря. Нейросеть узнает рыб, животных, водоросли и даже полупрозрачных медуз. Применение технологии позволит получить большой объем объективной информации о процессах, происходящих в мировом океане. Сейчас таких данных не хватает, так как классические экспедиции сложны и дороги. По мнению экспертов, использование оптических методов наблюдения под водой всегда связано со сложностями из-за плохой видимости. Однако всё, что способен разглядеть человек, способен увидеть и искусственный интеллект, при этом ИИ может анализировать гораздо больший объем информации.
Взгляд в бездну
Специалисты Южного Федерального университета (ЮФУ) разработали систему мониторинга подводного пространства на основе нейросети. Она в автоматическом режиме анализирует данные с видеокамер, установленных на глубине моря, и выявляет рыб, животных, растения, различные природные и искусственные объекты. Также разработку можно использовать для контроля состояния подводных трубопроводов. Точность распознавания изобретения составляет 90%. Авторы уже проводят тестовые испытания своего комплекса на базе университета в Кагальнике на берегу Азовского моря. Для этого используется видео со стационарной подводной камеры и еще одной, установленной на беспилотном батискафе.
Как рассказали в вузе, сегодня исследователи океана испытывают недостаток точных данных о состоянии морских глубин. Для того чтобы их получить, ученые вынуждены либо погружаться туда сами, либо использовать для этого дорогостоящие подводные аппараты. Кроме того, для расчета объемов рыбы в океане некоторые исследователи проводят ее тестовый лов, на основе которого высчитывают общее количество. Такие работы требуют снаряжения целой научной экспедиции. При этом оценки, основанные на этих методах, всегда приблизительны и имеют большую погрешность.
— Мы занимаемся изучением подводного мира. Нас интересуют искусственные сооружения и биологические объекты. Для их анализа нам необходима система наблюдения. Мы предлагаем использовать сеть со стационарными буями и мобильными подводными аппаратами и установить на них видеокамеры, которые бы в реальном времени отслеживали, что происходит на глубине. Полученную таким образом картинку будет анализировать нейросеть, — сказал ведущий научный сотрудник кафедры океанологии ЮФУ Денис Кривогуз.
Применение такой системы даст исследователям океана большой объем объективной информации и поможет ответить на важные научные вопросы, пояснили разработчики. На первом этапе ученые хотят изучить экосистему Азовского моря.
Узнать медузу
Разработка может детектировать как статичные, так и движущиеся объекты. Для ее работы можно использовать обычные портативные камеры или даже камеру смартфона, спрятанную в защитный бокс. При съемке с батискафа важно сохранять четкость картинки, для этого используется стабилизация.
Нейросеть разбивает изображение на кадры, анализирует его и снова превращает в видео. Обработка оптических данных, полученных под водой, представляет особую сложность из-за высокой мутности и плохого освещения. Ученые искусственно ухудшают качество видео, на котором обучают программу, различными помехами, чтобы ИИ был готов к работе в сложных условиях. Однако всё равно для качественных результатов системе необходима хотя бы минимальная прозрачность.
Для тренировки нейросети ученые в ручную размечают изображение подводного мира, на котором указывают попавшие в поле зрения камеры виды морских животных и растений, разные свойства дна и другие данные. Работа ученых рассчитана на длительный период, так как в Азовском море очень разнообразные флора и фауна.
— Например, мы обучили ИИ узнавать взрослых пиленгасов и их мальков, рыбу-иглу, бычков и медуз. Сложнее всего узнавать медузу, так как под водой она полупрозрачна и выглядят необычно. Мы постоянно добавляем новые объекты и переучиваем нейросеть, — сказал Денис Кривогуз.
Разработчики экспериментируют с различными состояниями морской среды, вместе с изменениями которых меняется и внешний вид объектов.
— Любой объект в водной среде при разном количестве ила и мутности выглядит по-разному. Например, меняется его цвет. А нейросеть ориентируется именно по этим характеристикам: цвету, форме, блеску. Поэтому мы постоянно повышаем вариативность, за счет изображений с разным качеством воды, — добавил специалист.
Засечь дельфина
В океане уже существуют мониторинговые системы. Например, американцы наблюдают за вулканом в Тихом океане. Это набор датчиков, который реагирует на землетрясения и извержения. Однако оптические методы наблюдения в ней не используются, рассказал «Известиям» главный научный сотрудник Геологического института РАН Александр Мазарович.
— Сложность наблюдений под водой объясняется почти полным отсутствием света. Для работы там необходимо очень мощное освещение. Однако даже при использовании прожектора видимость ограничена 10–15 м. Насколько наблюдение с помощью видеокамер в таких условиях будет эффективно, непонятно. Возможно, для контроля за рыбными ресурсами этого достаточно, но для геологических исследований площадь обзора слишком мала, — сказал Александр Мазарович.
Визуальные наблюдения проводятся с подводных аппаратов. Они исследуют на дне отложения коренных пород, движутся вдоль них и просматривают. При этом, по его словам, насколько массово можно это использовать, непонятно, так как это потребует гигантских финансовых вложений. Кроме того, на глубине очень высокое давление. И камеру может просто сплющить, как недавно батискаф «Титан», добавил эксперт.
Обломки подводного аппарата «Титан» из экспедиции OceanGate
— Радиус действия такой системы ограничен несколькими десятками метров. Если мимо промчится, например, дельфин, он попадет в поле зрения камеры на какое-то мгновение, поэтому эта идея кажется мне бесперспективной, — сказал научный сотрудник лаборатории морских млекопитающих Института океанологии РАН Александр Агафонов.
Распознавание объектов под водой вполне решаемая задача для нейронной сети, потому что ИИ может разглядеть любой объект, который способен увидеть человек, уверен руководитель Учебно-научного центра исследований в области искусственного интеллекта УРФУ Михаил Фромкин. Нейронные сети прекрасно подходят для автоматизации рутинных, но при этом сложно формализуемых задач, когда специалисту сложно описать, почему он принимает то или иное решение, считает эксперт.
