Нейросеть от ученых Университета Южной Калифорнии распознает разрушения от 0,2 мм с точностью 89%.
Ученые из Университета Южной Калифорнии создали алгоритм машинного обучения, способный обнаруживать микротрещины в коралловых рифах. Технология выявляет повреждения, незаметные при визуальном осмотре. Анализируя фотографии колоний, система определяет участки с нарушенной структурой скелета на ранних стадиях деградации.
Нейросеть обучили на 40 тыс. снимков из Карибского бассейна и Тихого океана. Точность определения микроповреждений достигла 89% — алгоритм распознает трещины шириной от 0,2 мм, тогда как дайверы фиксируют разломы только от 2 мм. На анализ одного изображения уходит 3 с. против 15 мин. ручного осмотра. С такой скоростью можно обрабатывать тысячи снимков за день, что критично для масштабного мониторинга рифовых экосистем.
В основе разработки лежит архитектура сверточной нейронной сети ResNet-50. Она обрабатывает текстурные паттерны поверхности и выделяет аномалии в плотности карбоната кальция — основного строительного материала коралловых скелетов. Для обучения использовали снимки здоровых колоний и образцов с подтвержденной микроскопией деградацией, а алгоритм научился учитывать освещение, угол съемки и видовые особенности полипов.
Микротрещины — ранний маркер стресса, который проявляется за 6−8 месяцев до массовой гибели колонии от повышения температуры или закисления воды. Если у ученых получается своевременно обнаружить признаки отклонений, то они быстрее могут установить затеняющие конструкций, перенаправить поток туристов или создать так называемые временные охранные зоны. Команда протестировала технологию на рифах Большого Барьерного рифа, где нашла скрытые повреждения у 34% внешне здоровых кораллов. Эти данные передали управлению морского парка для корректировки программы мониторинга.
Источник: hi-tech.mail.ru