Автор: 
Эксперты Барселонского университета (IRBio) и их коллеги разработали новый алгоритм для веб-приложения с открытым доступом MARLIT, который автоматически оценивает количество плавающего пластика в море с помощью аэрофотоснимков. В основе его работы – методы глубокого обучения. Точность измерений достигает 80%, согласно исследованию, опубликованному в журнале Environmental Pollution.
Чтобы разработать алгоритм, исследователи проанализировали с помощью методов искусственного интеллекта более 3800 аэрофотоснимков средиземноморского побережья Каталонии.
Плавающий морской макро-мусор представляет собой угрозу сохранению морских экосистем во всем мире. Самая большая плотность плавающего мусора находится в огромных круговоротах океана – системах круговых течений, которые вращаются и утягивают за собой мусор. Тем не менее, загрязняющих отходов много и в прибрежных водах, и в полузамкнутых морях, таких как Средиземное море.
Сколько в Мировом океане скопилось мусора, обычно вычисляют с помощью прямых наблюдений: с лодки, с самолета. Однако справиться с большим объёмом данных в «ручном режиме» становится сложно. Поэтому есть альтернатива – аэрофотосъёмка в сочетании с аналитическими алгоритмами. У этого – более автоматизированного – способа также есть свои недостатки. Такие факторы, как волны, ветер, облачность часто скрывают от зондов плавающий мусор. Поэтому испанские учёные решили усовершенствовать автоматизированный метод, используя искусственный интеллект.
«Большое количество изображений морской поверхности, полученных с помощью беспилотных летательных аппаратов и самолетов в ходе кампаний по мониторингу морского мусора, а также в ходе экспериментальных исследований с известными плавучими объектами, позволило нам разработать и протестировать новый алгоритм, который обнаруживает плавающий морской мусор с точностью 80% на удалённых объектах», – отмечает Гарсиа-Гарин, член Департамента эволюционной биологии, экологии и экологических наук Университета Барселоны.
Новый алгоритм MARLIT позволяет анализировать изображения индивидуально, а также разделять их на несколько сегментов в соответствии с инструкциями пользователя, определять количество плавающего мусора в каждой определённой области и оценивать плотность мусора с помощью метаданных изображения (высота, разрешение). В будущем учёные планируют адаптировать приложение к удалённому датчику (например, дрону) для автоматизации процесса дистанционного зондирования.
