![]() |
![]() |
![]() |
![]() |
Нейросети и машинное зрение помогут искать микропластик в природе |
|
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-07-02 11:29 ![]() По данным Государственного доклада за 2022 год, объемы твердых коммунальных отходов (ТКО) в России составили почти 46 млн тонн, из них 5 млн тонн – пластиковый мусор. При этом ежегодно только 14–18% от его общего количества собирается для повторного использования. Все остальное отправляется на захоронение. Частицы микропластика обнаружены во всех сферах природной среды, а также в живых организмах, что ухудшает экологическую ситуации на планете. Чтобы своевременно предпринимать меры по защите окружающей среды, во всем мире ищут способы быстро и точно находить пластиковые частицы в почве, воде и воздухе. Ученые ПНИПУ разработали технологию определения микропластика с помощью нейронных сетей и машинного зрения. Исследование опубликовано в материалах всероссийской научно-практической конференции «Химия. Экология. Урбанистка», 2024 год. Работа проводилась в рамках программы «Сириус. Лето». Полимерные материалы разлагаются в среднем от 400 до 700 лет. Под воздействием природных факторов, например, прямого ультрафиолетового излучения, они распадаются на частицы микропластика размером менее 5 мм и встраиваются в сложные среды, смешиваясь с ними. Его находят в воде, почве и некоторых видах пищевых продуктов, например, морской рыбе или растениях. Микропластик принимает различные формы и имеет разнородный состав, поэтому определение его количества и свойств требует много времени. Сейчас все образцы изучают вручную с помощью фильтрации, микроскопов, спектрального анализа и некоторых физико-химических методов. Такой процесс весьма трудоемкий. Ученые Пермского Политеха разработали способ определения частиц микропластика в компонентах природной среды с применением компьютерного зрения и нейронных сетей. Обучили нейросеть выделять и определять вид микропластика. Методы машинного обучения повышают точность результатов и скорость обработки образцов в несколько раз. Это значительно сократит время и затраты, связанные с ошибками. – Для проведения исследований мы использовали искусственно подготовленные пробы путем дробления нескольких видов пластика: полиэтилентерефталат, полипропилен, полиэтилен низкой плотности. Предварительно полимерные отходы промывали, измельчали и просеивали через сито с величиной ячеек 1 мм. После этого пластик смешивали с песком для имитации условий в окружающей среде. Для определения частиц использовали метод микроскопирования c увеличением в 40 раз. Так мы собрали массив обучающей выборки из 100 изображений и применили его для обучения нейронной сети, – поделился магистр кафедры «Охраны окружающей среды» ПНИПУ Кирилл Аристов. Полученный набор данных разделили на три выборки: 89% изображений использовались для обучения нейронной сети, 6% – для валидации, на ее основе производится промежуточная проверка, и 5% для теста, который нужен для окончательной проверки. – Для эффективного обучения нужно много повторений, иначе нейронная сеть работает неточно. Поэтому обучение проводится в несколько циклов. Чем их больше, тем лучше натренирована нейросеть. Мы производили обучение для 30 циклов. По результатам средняя точность распознавания микропластика составила 82,63%, что считается довольно высокой, – поделился магистр кафедры «Автоматика и телемеханика» ПНИПУ Ростислав Кокоулин. – Использование компьютерного зрения и нейронных сетей является многообещающим и перспективным методом в решении многих экологических задач, в том числе идентификации загрязнителей в объектах окружающей среды. Наши исследования в этой области будут продолжены, и мы надеемся получить достойные результаты, – дополнила доктор технических наук, профессор кафедры «Охрана окружающей среды» ПНИПУ Наталья Слюсарь. Информация и фото предоставлены пресс-службой ПНИПУ Источник: vk.com Комментарии: |
|