В России разработали нейросеть для распознавания древних водорослей

Ученые Института географии РАН совместно с Центром технологий для общества Yandex Cloud создали нейросеть, способную определять виды диатомовых водорослей на микрофотографиях за менее чем 200 миллисекунд. Об этом сообщает ТАСС.

Система уже функционирует: исследователь загружает одну или несколько микрофотографий и получает определение вида. Если на изображении присутствует несколько створок, модель распознает каждую из них отдельно.

Диатомовые водоросли представляют собой одноклеточные организмы с кремниевым панцирем, который сохраняется в донных отложениях на протяжении тысяч лет. Каждый вид требует определенных условий, таких как температура воды, кислотность и содержание питательных веществ. Изучая видовой состав водорослей на различных глубинах, ученые могут восстановить историю озера и его климата, используя метод, известный как диатомовый анализ.

В настоящее время палеогеографы выполняют этот анализ вручную, определяя от 500 до 600 створок на каждом микропрепарате под микроскопом с увеличением в тысячу раз. Работа с одним препаратом занимает от двух до восьми часов, а в одной колонке донных отложений может находиться до ста таких препаратов, что делает подготовку одной реконструкции длительным процессом.

Ранее у исследователей не было готового решения для этой задачи. Алгоритм DiatomNet, проверенный на собственных снимках института, давал правильный ответ лишь в 30% случаев. Ученые решили собрать данные и обучить модели на них, а технологическим партнером проекта стал Центр технологий для общества Yandex Cloud.

Команда использовала два набора данных: открытый из базы Kaggle, содержащий около 2,2 тысячи изображений 51 вида водорослей, и закрытый набор Института географии РАН с примерно 1 тысяча изображений 46 видов, собранный при поддержке Российского научного фонда. Определение вида необходимо для проведения диатомового анализа.

Данные были размещены в Yandex Object Storage, а обучение проходило в Yandex AI Studio. Готовые архитектуры нейросетей дообучались на фотографиях диатомей.

Точность модели YOLOv11 на тестовой выборке института составила 75%, а классификатора DiatomNet на открытом наборе данных - 70%. Эти показатели являются промежуточными и могут измениться после расширения наборов данных. Модель лучше всего распознает крупные, целые и хорошо развернутые створки, тогда как повернутые или находящиеся на краю кадра пропускает в 10-20% случаев. Если вид ей незнаком, сервис предлагает выбрать из известных видов.

По словам кандидата географических наук, научного сотрудника лаборатории палеоархивов природной среды Института географии РАН Анны Рудинской, сервис уже значительно ускоряет процесс по сравнению с ручным разбором. Она также отметила, что модель можно дообучать, указывая на пропущенные створки и их виды.

Следующим этапом станет проверка сервиса на целом микропрепарате, который изучат несколько специалистов. Их результаты будут сравнены с ответом модели, что позволит оценить точность сервиса и согласованность выводов экспертов. Как подчеркивается в материалах проекта, подобное исследование ранее не проводилось.

Если точность будет подтверждена, институт сможет использовать результаты работы сервиса в научных публикациях. В будущем диатомовый анализ одной колонки отложений может сократиться с нескольких лет до нескольких месяцев.

Команда также планирует пополнять обучающий набор реальными фотографиями и применять аугментацию для улучшения распознавания створок в различных ракурсах.