Проекты

Описание инициативы (проектной идеи)

Арктические моря РФ становятся «конечной станцией» для глобального потока плавающего морского мусора (ПММ): океаническая циркуляция и дрейфующий лёд ежегодно концентрируют здесь десятки тысяч тонн ПММ. Этот мусор наносит ущерб экосистемам, рыболовству, безопасности судоходства и имиджу нашей страны, но объективных сведений о его количестве и составе практически нет – полевые наблюдения выполняются вручную, нерегулярно и сопряжены с существенными организационныи и финансовыми затратами. Отсутствие данных делает невозможной нацеленную уборку, оценку эффективности природоохранных мер и внедрение обоснованных нормативных решений.

Цель проекта – создать судовую систему автоматизированного экспедиционного мониторинга ПММ на поверхности океана, обеспечивающую объективные, воспроизводимые и масштабируемые данные о его плотности и типовом составе.

Основная решаемая проблема состоит в крайнем дефиците объективной достоверной информации о ПММ в Арктике.
Потребность: потребители данных, создаваемых предлагаемой системой - Росприроднадзор, научное сообщество, судовладельцы и региональные власти, которые нуждаются в объективных картах загрязнения ПММ для планирования уборок, превентивных мер и отчётности по международным соглашениям. Без таких данных любые действия производятся фактически «вслепую», на основании общих соображений.

Наш проект напрямую отвечает грантовому направлению «Проекты, способствующие сохранению природной среды в Арктической зоне Российской Федерации».

Что мы сделаем за срок работ по гранту

1. Программно-аппаратный комплекс
- Мы разработаем совместный модуль: камера + мини-ПК; проведём испытания устойчивости к морским погодным условиям; подготовим прототип, готовый для установки на исследовательские и торговые суда.
2. Масштабная база данных изображений
- Мы проведем морские экспедиционные исследования с использованием нашего прототипа на рейсах партнёрских судов (ИОРАН, ГОИН, Плавучий Университет МФТИ) и соберём не менее 1 млн снимков;
- Мы разработаем полуавтоматический контур разметки снимков поверхности моря и пополним наш датасет плавающего мусора, не менее 10 000 размеченных изображений.
3. Модели искусственного интеллекта
- Мы обучим и верифицируем искусственные нейронные сети для детектирования и классификации ПММ; целевая точность (mAP) не менее 0,7 на валидации, скорость обработки не менее 5 кадров/с на судовом ПК.
4. Геопривязка и аналитика
- Мы создадим веб-сервис, формирующий интерактивные карты наблюдений и типов мусора;
- Мы разработаем и внедрим API для интеграции с ГИС потенциальный партнеров.
5. Полевая валидация и отчётность
- На примере отдельных экспедиций мы сравним автоматические оценки наличия и классов ПММ с визуальным счётом наблюдателей; допустимое расхождение не более 30 %;
- Мы подготовим методические рекомендации по автоматизированному судовому мониторингу и опубликуем их в открытом доступе.

Ожидаемый результат к завершению проекта

- прикладное ПО для тиражирования на судах;
- открытый набор данных изображений поверхности моря и обученные нейросетевые модели под свободной лицензией;
- публичные пополяемые карты наблюдений и классов ПММ для морей Мирового океана с акцентом на моря российского сектора Арктики;
- академическая статья в журнале уровня Q1/Q2;
- практико-ориентированный отчёт;
- дорожная карта последующего исследования по оценке площадных плотностей плавающего морского мусора и анализу источников.

Как мы убедимся в достижении результатов

- технические метрики (mAP, FPS, отказоустойчивость) фиксируются актом испытаний в экспедиции;
- сопоставление автоматических и визуальный наблюдений в экспедициях оформляется протоколами;
- публикация интерактивных карт и исходных данных в открытом доступе подтверждает завершение аналитического контура.

Почему это реализуемо

Руководитель проекта к.т.н. М. А. Криницкий с 2014 г. занимается применением машинного обучения в океанологии, обработке визуальных данных в экспедиционных исследованиях; имеет опыт успешных проектов по анализу судовых данных оптических наблюдений и анализу спутниковых данных. Лаборатория машинного обучения в науках о Земле МФТИ располагает GPU-сервером (4 GPU), опытом разработки ИИ-систем, экшн-камерами. В процессе выполнения гранта планируется закупка дополнительных камер, расходных материалов для создания прототипа. Партнёры – Институт океанологии РАН и Координационный центр Плавучего университета – предоставляют доступ к экспедициям и судовой инфраструктуре. Первичный прототип системы уже прошёл испытания, результаты опубликованы в статьях. Команда объединяет 4 исследователей и инженеров, трое в возрасте до 39 лет, имеющих опыт в наблюдениях за ПММ и разработке прикладных ИИ-решений.

Проект предоставит России инструмент объективного, недорогого и масштабируемого мониторинга пластикового загрязнения, необходимый для сохранения уникальной экосистемы Арктики и выполнения международных природоохранных обязательств.