Ежегодно в Мировой океан попадает до 23 миллионов тонн антропогенного мусора. Этот мусор представляет серьезную угрозу для морских обитателей: животные могут запутаться в сетях и пакетах или проглотить частицы пластика, что приводит к гибели. Своевременное обнаружение и уборка таких загрязнений – важная задача для сохранения экосистем.

Традиционно поиск мусора ведется вручную с борта судов, но этот метод трудоемок и не позволяет охватывать большие территории. Современные технологии предлагают альтернативу: анализ фото- и видеоматериалов, полученных с дронов или камер на кораблях. Однако для этого требуются «умные» алгоритмы, которые не спутают пластиковый пакет с чайкой или солнечным бликом.

В ходе эксперимента ученые использовали более 136 часов видеозаписей, сделанных в Арктике в 2023 году. Из этого материала было получено свыше 500 000 кадров, на 10 000 из которых вручную отметили объекты: птиц, мусор, блики и капли.

Исследователи протестировали два подхода к обучению нейросети:

1. Самообучение (аномалии): алгоритму показывали пары снимков, сделанных с разным интервалом. Если кадры сняты с разницей в секунду, они почти идентичны. Если интервал большой, на снимках появляются новые объекты. Анализируя эти изменения, нейросеть научилась понимать, как выглядит «нормальная» поверхность океана, и выделять все, что от нее отличается – будь то птица, мусор или блик. Затем специальный классификатор определял тип аномалии.

2. Обучение на размеченных данных: нейросети «показывали» тысячи изображений, где человек уже отметил все объекты.

Главная сложность – мусор встречается на снимках крайне редко. Поэтму ученые искусственно меняли соотношение «чистых» кадров и кадров с объектами.

Результаты показали, что метод самообучения оказался на 30% эффективнее традиционного подхода с ручной разметкой. Он позволяет избежать кропотливой работы по маркировке тысяч фотографий и делает систему более гибкой и точной.

В будущем ученые планируют расширить географию сбора данных, чтобы повысить надежность модели и использовать ее для мониторинга морей по всей стране.

Результаты исследования опубликованы в журнале Remote Sensing.