Ученые Института географии РАН совместно с Центром технологий для общества Yandex Cloud внедрили нейросеть, которая определяет виды диатомовых водорослей на микрофотографиях менее чем за 200 миллисекунд, об этом ТАСС сообщили в пресс-службе института.
«Сервис уже работает — исследователь загружает одну или несколько фотографий с микроскопа и получает определение вида. Если на снимке несколько створок, модель находит и распознает каждую отдельно», — говорится в сообщении.
Диатомовые водоросли — одноклеточные организмы с кремниевым панцирем, который после их гибели сохраняется в донных отложениях тысячи лет. Каждый вид требователен к температуре воды, кислотности и содержанию питательных веществ. Определяя видовой состав водорослей на разной глубине, исследователи могут восстановить историю озера и окружающего его климата. Такой метод называется диатомовым анализом.
Источник: Freepik
Сейчас палеогеографы проводят этот анализ вручную: под микроскопом с тысячекратным увеличением определяют от 500 до 600 створок — половинок панцирей — на каждом микропрепарате. Работа с одним препаратом занимает от двух до восьми часов, а в одной колонке донных отложений их может быть до сотни. Поэтому подготовка одной реконструкции занимает годы.
Готового сервиса для такой задачи у исследователей не было. Алгоритм DiatomNet при проверке на собственных снимках института давал правильный ответ примерно в 30% случаев. Ученые решили собрать данные и обучить модели на них. Технологическим партнером проекта выступил Центр технологий для общества Yandex Cloud.
Обучение и точность распознавания
Команда использовала два набора данных: открытый из базы Kaggle, включающий около 2,2 тыс. изображений 51 вида водорослей, и закрытый набор Института географии РАН — около 1 тыс. изображений 46 видов. Последний был собран при поддержке Российского научного фонда. Определение именно до вида необходимо для проведения диатомового анализа.
Данные разместили в Yandex Object Storage, а обучение проводили в Yandex AI Studio. Готовые архитектуры нейросетей дообучали на фотографиях диатомей.
Точность модели YOLOv11 на тестовой выборке института составила 75%, а классификатора DiatomNet на открытом наборе данных — 70%. Эти показатели пока промежуточные: после расширения наборов данных их пересчитают. Лучше всего модель распознает крупные, целые и хорошо развернутые створки. Повернутые, расположенные у края кадра или находящиеся не в фокусе она пропускает в 10−20% случаев. Если вид ей незнаком, сервис предлагает выбрать из известных видов.
«Но пока есть сложность: сервис определяет не все, что есть на фотографии, а берет самое яркое и заметное. Если диатомея чуть повернута или смещена от центра, он ее не замечает», — приводятся в тексте слова кандидата географических наук, научного сотрудника лаборатории палеоархивов природной среды Института географии РАН Анны Рудинской. По ее оценке, работа с сервисом уже ощутимо быстрее ручного разбора. Ученая также отметила пользу возможности дообучать модель, указывая на фотографии пропущенную створку и ее вид.
Проверка на целом микропрепарате
Следующим этапом станет проверка сервиса на целом микропрепарате. Его независимо изучат несколько специалистов, после чего их результаты сравнят между собой и с ответом модели. Это позволит оценить как точность сервиса, так и согласованность выводов экспертов. Как отмечается в материалах проекта, такого исследования ранее не проводили.
Если точность подтвердится, институт сможет использовать результаты работы сервиса в научных публикациях. В перспективе диатомовый анализ одной колонки отложений может сократиться с нескольких лет до нескольких месяцев.
Команда также планирует пополнять обучающий набор реальными фотографиями и применять аугментацию — преобразование изображений для обучения распознаванию створок в разных ракурсах.
.png "Получай новости на почту. Подписаться")