Российские палеогеографы получили ИИ-помощника, который определяет вид диатомовых водорослей по снимку с микроскопа быстрее чем за 200 миллисекунд. Сервис разработали Институт географии РАН и Центр технологий для общества Yandex Cloud, и он уже доступен исследователям.
Если его точность подтвердится, на изучение одной колонки донных отложений будут уходить месяцы, а не годы.
Хотите еще эксклюзивных новостей и аналитики? Подписывайтесь на наш телеграм-канал, обсуждайте новости и делитесь мнениями о последних событиях рынка в чате!
Зачем ученым считать водоросли
Диатомеи — одноклеточные водоросли с кремниевым панцирем. Когда организм погибает, панцирь оседает на дно и может пролежать там тысячи лет. Каждый вид чувствителен к температуре воды, ее кислотности и количеству питательных веществ. Поэтому, если выяснить, какие виды встречаются в слоях отложений на разной глубине, можно восстановить, как менялись озеро и климат вокруг него. Этот метод называют диатомовым анализом.
Проблема в том, что сейчас все делается вручную. Специалист смотрит в микроскоп с увеличением в тысячу раз и определяет по 500–600 створок (это половинки панциря) на каждом препарате. На один препарат уходит от двух до восьми часов, а в одной колонке отложений их бывает до сотни. В итоге одна реконструкция растягивается на годы.
Готового инструмента под эту задачу не нашлось. Существующий алгоритм DiatomNet на снимках института угадывал вид лишь примерно в 30% случаев, поэтому ученые решили собрать собственные данные и обучить модели сами.
Как работает сервис и что дальше
Для обучения взяли два набора данных. Первый — открытый, из базы Kaggle: около 2,2 тыс. изображений 51 вида. Второй — закрытый, собранный институтом при поддержке Российского научного фонда: около 1 тыс. снимков 46 видов. Данные хранили в Yandex Object Storage, а готовые архитектуры нейросетей дообучали в Yandex AI Studio.
Пользоваться сервисом просто: исследователь загружает одно или несколько фото с микроскопа и получает вид водоросли. Если на снимке несколько створок, модель находит и определяет каждую. На тестовой выборке института YOLOv11 показала точность 75%, классификатор DiatomNet на открытых данных — 70%. Цифры пока промежуточные, их пересчитают, когда наборы данных станут больше.
Слабые места у модели тоже есть. Лучше всего она справляется с крупными, целыми и хорошо развернутыми створками. Повернутые, размытые или лежащие у края кадра она пропускает в 10–20% случаев. Если вид ей не знаком, сервис предлагает выбрать вариант из известных.
Научный сотрудник лаборатории палеоархивов природной среды ИГ РАН Анна Рудинская отмечает, что пока нейросеть выхватывает самое яркое и заметное на фото, а слегка повернутые или смещенные от центра диатомеи упускает. При этом, по ее словам, работать с сервисом уже заметно быстрее, чем вручную. Плюсом она называет и то, что модель можно дообучать: достаточно указать на снимке пропущенную створку и ее вид.
Следующий шаг — проверка на целом микропрепарате. Его независимо изучат несколько специалистов, а затем сравнят их выводы друг с другом и с ответом нейросети. Так получится оценить и точность сервиса, и то, насколько сходятся мнения экспертов. По данным участников проекта, подобного исследования раньше не проводили. Если результаты окажутся надежными, данные сервиса можно будет использовать в научных публикациях. Параллельно команда будет пополнять базу реальными снимками и применять аугментацию, чтобы модель научилась узнавать створки в разных ракурсах.
Напомним, ранее редакция BeInCrypto писала о том, что россияне готовы бросить ИИ, который не знает Россию.
