CC BY
11Русановская О. О. и др. Мониторинг экосистемы озера Байкал... Б01: 10.24412/с1-34446-2023 -4-203 -206
МОНИТОРИНГ ЭКОСИСТЕМЫ ОЗЕРА БАЙКАЛ С ИСПОЛЬЗОВАНИЕМ НОВЫХ НЕЙРОСЕТЕВЫХ ИНСТРУМЕНТОВ
О. О. Русановская1, С. Б. Бехтин2, А. А. Демидова1, С. В. Шимараева1, Е. А. Зилов1
1НИИ биологии Иркутского государственного университета, г. Иркутск
2МагШтвЛ1, г. Москва Яшапоуикама-о. о@,таИ ги
Человек XXI в. уже не представляет свою жизнь без участия искусственного интеллекта, неотъемлемой частью которого являются нейронные сети. Нейросеть представляет собой математическую модель, построенную по принципу организации и функционирования биологических нейронных сетей. Более того, ее можно рассматривать как совокупность алгоритмов, которые основаны на функционировании человеческого мозга и предназначенные для выявления закономерностей. Нейронные сети используются в различных отраслях и набирают всё большую популярность в современном мире.
Проект долговременного экологического мониторинга оз. Байкал реализуется в НИИ биологии ИГУ с февраля 1945 г. [5; 6] и внесен в Книгу рекордов России: «Точка № 1» - самый длительный проект регулярного экологического мониторинга в истории науки» [7]. Основателем проекта является выдающийся исследователь оз. Байкал профессор Михаил Михайлович Кожов. В основе проекта лежит оценка состояния фито- и зоопланктона, так как планктонные организмы являются фундаментом экосистемы любого озера и наблюдение за ними позволяет делать прогнозы глобальных изменений, происходящих с нашей планетой. За 78 лет было отобрано около 31 тыс. проб из разных слоев воды, из них 12 тыс. для оценки видового состава и численности зоопланктона и 19 тыс. - для оценки фитопланктона.
Станция отбора проб (Точка № 1) располагается в открытой части Южного Байкала напротив биостанции НИИ биологии ФГБОУ ВО «ИГУ» (пос. Большие Коты). Отбор проб производится круглогодично каждые 7-10 дней (за исключением времени ледостава и вскрытия ото льда). Пробы отбирают на глубинах от 0 до 250 м, далее фиксируют, отстаивают, концентрируют и в лаборатории осуществляют камеральную обработку методом микроскопирования. Полученные данные заносятся в единую базу
данных, в которой уже накоплено более 7 млн записей. При микроскопировании учитывается видовой состав и численность каждого вида. Данный процесс время- и тру-дозатратный, выполняется высококвалифицированными таксономистами.
Внедрение методов машинного обучения позволит сохранить преемственность многолетней программы, вывести проект на новый технический уровень и запустить дополнительные точки наблюдений.
В сентябре 2022 г. исследователи из НИИ биологии Иркутского государственного университета, совместно с командой облачной платформы Yandex Cloud, предоставляющей облачные вычислительные мощности и инфраструктуру, экспертами по созданию алгоритмов машинного обучения для морских экосистем компании MaritimeAI и специалистами Фонда поддержки прикладных экологических разработок и исследований «Озеро Байкал», начали использовать систему с нейросетями в мониторинге экосистемы Байкала. Этот алгоритм, основанный на искусственном интеллекте, анализирует пробы воды из озера, определяет и классифицирует содержащиеся в ней взвешенные частицы органического происхождения.
Реализация проекта проходит в два этапа.
На первом этапе команда НИИ биологии ИГУ подготовила более 87 тыс. снимков планктона, из которых 40 тыс. изображений отдельных организмов зоопланктона по 1 тысячи для каждой формы. Команда Maritime AI занималась разработкой системы автоматического анализа проб (СААП), которая включает в себя пользовательский интерфейс для работы специалистов НИИ, подсистемы хранения и обработки проб, интеграцию с Яндекс. Толокой [2]. В Толоке работа с изображениями планктона проходила по трём категориям: детекция (разметка и выделение организмов, имеющихся на фотографии), валидация (подтверждение правильности выделения объектов), классификация (определение видовой принадлежности организма). Запустили эту систему в облачной инфраструктуре Yandex Cloud. А также, написанием программного кода алгоритмов детекции и классификации, их тестированием с помощью сервиса Yandex DataSphere. Более подробно об этой разработке написано в статье «Исследуем микроорганизмы Байкала. Открытый проект MaritimeAI и Yandex Cloud» [1]. Пользовательский интерфейс позволяет сотрудникам НИИ биологии ИГУ самостоятельно повышать эффективность и контролировать качество работы алгоритма.
На втором этапе в систему внедряются подсистемы автоматической детекции и классификации, что позволяет часть изображений обрабатывать без участия специалиста. Сейчас идет активное обучение модели на пополняющемся наборе данных. Он пополняется изображениями проб, напрямую из поля зрения микроскопа, которые специалисты загружаютв СААП. Нейросеть продолжает обучаться в сервисе для разработки и эксплуатации ML-алгоритмов Yandex DataSphere. На следующем этапе планируется значительно снизить количество изображений, обрабатываемых вручную.
Русановская О. О. и др. Мониторинг экосистемы озера Байкал
Датасет изображений проб с разметкой [4] и предобученные ML-модели [3] командой разработчиков проекта и ученых выложены в свободный доступ. Их можно использовать для тестирования гипотез по детекции, сегментации и классификации планктонных организмов. Это поможет разрабатывать собственные системы мониторинга водоемов другим научным группам и институтам по всему миру.
Сейчас СААП умеет работать с 70 формами зоопланктона, которые чаще всего встречаются в пробах. Изображения проб байкальской воды с лабораторных микроскопов продолжают поступать в систему, где детектируются все возможные объекты в пробе, затем определяется их видовая принадлежность и формируются отчетные карточки.
Для сравнения результатов микроскопирования и машинной обработки проб проанализированы карточки обработки 5 проб зоопланктона (рис. 1).
т о
3 н
л н о о к к и
4 о к
70 60 50 40 30 20 10
■п П .П _П
т ^ чо ^ т
К К К к
к к
и м сл
' Тп ' сл
Й Й
13 13
'Я 'Я
-О ^
ййй
тт т
МММ
т т
Й Й
Л ^
'сЗ '¡3
-о ^
МММ
й й
й
о
13 ^
О
О °
I ручная обработка □ нейронная сеть
и и 3 3
ч о
ч
о
я
ч
с
о _ т тз
ю ю
сЗ сл
"й 'Й ^ то
тЗ и о
т т
Вид
1П1п
п
о ю
■ Й ¡3 &1
'й) О О
ю
м « Я
П
ТО Й'Й
■До р ЙЙЕ5
В
^ СЛ
"ЙТЗ ^
Н 3 & 2 й -О
■Й
о о й о О
й
о
сл ТЗ Й ■Й
сл
сл ^
3 а
П то
Но-"
о
Рис. 1. Результаты микроскопирования и машинной обработки проб из пелагиали Южного Байкала в слое 0-50 м на Точке № 1
0
Анализ результатов показал, что в 30 % случаев различия в видовом разнообразии и численности между ручной и машинной обработкой отсутствуют. В 40 % нейросеть недосчитывает часть организмов, чаще всего это представители типа ЯойГ-ега, которые на снимках могут накладываться друг на друга. В 30 % нейросеть показывает большие показатели численности, чем при ручной обработке, в основном это представители вида Epischura Ъaikalensis Баге, 1900. Эпишура отличается от других представителей зоопланктона наличием 12 стадий развития, которые отличаются друг
от друга морфологически и вызывают сложность в определении стадии даже у специалиста. В целом различий в видовом разнообразии между ручной и машинной обработкой проб не наблюдается, нейросеть определяет все виды, находящиеся в пробе. Различия отмечены только в численных показателях.
Разработанная система может стать важным элементом программы мониторинга Байкала «Точка № 1», необходимой для прогнозирования экологического состояния озера, влияния климатических изменений на его экосистему, контроля биологической безопасности и распространения инвазивных видов вселенцев, инструмента описания и открытия новых видов.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Исследуем микроорганизмы Байкала. Открытый проект MaritimeAI и Yandex Cloud. URL: https://habr. com/ru/companies/yandex/articles/689592/ (дата обращения: 12.07.2023).
2. Толока. URL: https://toloka.yandex.ru/tasks (дата обращения: 12.07.2023).
3. Baseline models for Baikal zooplankton recognition. URL: https://github.com/baikal-zooplank-ton/BaselineModels (дата обращения: 15.07.2023).
4. Dataset of Baikal plankton. URL: https://github.com/baikal-zooplankton/Baikal_Dataset (дата обращения: 12.07.2023).
5. Kozhov M. M. Lake Baikal and its life. The Hague : Dr. W. Junk, 1963. 344 p.
6. Kozhova O. M. Hydrobiological monitoring of Baikal // Verhandlungen des Internationalen Verein Limnologie. 1981. Vol. 24. P. 518-522.
7. "Point No. 1" Long Term Ecological Monitoring of Lake Baikal. 2020. URL: http://www.bioinsti-tute.ru/monitoring/engl (accessed 27 January 2023).
