В России нейросеть распознаёт древние водоросли за доли секунды
В России заработала нейросеть, распознающая диатомовые водоросли по микрофотографиям. Ее внедрили Институт географии РАН и Центр технологий для общества, входящий в Yandex Cloud. Об этом 28 сентября рассказала пресс-служба института. Сервис укладывается в 200 миллисекунд. Об этом рассказывает ТАСС.
Пользователь загружает один или несколько снимков с микроскопа. Если в кадре несколько створок, система находит каждую и классифицирует отдельно. Диатомеи — одноклеточные существа, покрытые кремниевым панцирем. Панцирь не разрушается в донных осадках тысячелетиями.
По видовому составу водорослей на разных глубинах ученые восстанавливают историю озера и климата вокруг него. Такой метод называют диатомовым анализом. Сейчас палеогеографы определяют виды вручную: при тысячекратном увеличении разбирают 500–600 створок на препарате. На обработку одного препарата нужно два–восемь часов. В колонке отложений бывает до сотни препаратов, поэтому реконструкция занимает годы.
Готового сервиса не существовало. Алгоритм DiatomNet на снимках института давал верный ответ лишь примерно в 30% случаев. Тогда исследователи собрали данные и дообучили модели. Технологическим партнером выступила структура Yandex Cloud. Использовали открытый набор Kaggle — около 2,2 тысячи кадров, где встречается 51 вид, — и закрытую коллекцию института примерно из 1 тыс. снимков с 46 видами, собранную при поддержке Российского научного фонда. Данные хранили в Yandex Object Storage, обучение шло в Yandex AI Studio. Уже существующие модели дополнительно тренировали на снимках диатомей.
Точность YOLOv11 на тестовой выборке института достигла 75%, классификатор DiatomNet на открытых данных показал 70%. Показатели промежуточные: после расширения наборов их пересчитают. Модель точнее всего определяет большие, целые створки с удачным ракурсом. Повернутые, попавшие к краю кадра или не в фокусе она пропускает в 10–20% случаев. При незнакомом виде сервис предлагает выбрать из известных. Кандидат географических наук Анна Рудинская из лаборатории палеоархивов природной среды отметила: система реагирует на самый яркий и заметный объект, а смещенную от центра или чуть повернутую диатомею не замечает. При этом работа с сервисом уже заметно быстрее ручного разбора. Модель можно дообучать, указывая пропущенную створку и ее вид.
Дальше сервис проверят на целом микропрепарате. Несколько специалистов изучат его независимо, затем сопоставят их заключения друг с другом и с тем, что выдала система. Так оценят точность сервиса и согласованность экспертов. Подобного исследования прежде не проводили. Если точность подтвердится, институт сможет публиковать научные результаты, полученные с помощью сервиса. В перспективе разбор одной колонки отложений ускорится: вместо нескольких лет понадобятся месяцы. Команда также намерена пополнять обучающую выборку реальными фотографиями и применять аугментацию, чтобы распознавать створки под разными углами.
