Институт географии РАН внедрил модель, которая определяет виды диатомовых водорослей на микрофотографиях менее чем за 200 миллисекунд. Вручную на такую работу уходят месяцы и годы. Об этом сообщили в Институте географии РАН.
Диатомовые водоросли представляют собой одноклеточные организмы, обладающие панцирем из диоксида кремния, напоминающим стекло. После смерти этих водорослей их панцири сохраняются в донных отложениях на протяжении тысячелетий. Каждый вид диатомей чувствителен к определённым условиям среды, таким как температура воды, кислотность и содержание питательных веществ. Благодаря этому, анализ видового состава на разных глубинах позволяет реконструировать историю озера и изменения климата в его окрестностях. Этот метод получил название диатомовый анализ.
В настоящее время палеогеографы проводят этот анализ вручную. Под микроскопом с увеличением в тысячу раз они исследуют 500–600 створок на каждом препарате, сверяясь с определителями видов. На обработку одного препарата уходит от двух до восьми часов, а в одной колонке донных отложений может быть до сотни таких препаратов. Реконструкция истории озера занимает годы. До недавнего времени не существовало автоматизированных сервисов для этой задачи, и алгоритм DiatomNet давал верный результат лишь в 30% случаев.
Команда разработала и обучила собственную модель для автоматического анализа. Для обучения использовались два набора данных: открытый набор из базы Kaggle (51 класс, около 2,2 тыс. изображений) и закрытый набор от Института географии РАН (46 классов, около 1 тыс. изображений). Эти данные хранятся в Yandex Object Storage, а обучение проводилось в Yandex AI Studio. Каждый этап обучения занимал 30–60 минут на видеокарте T4, а общая длительность обучения составила около недели.
Теперь сервис работает в автоматическом режиме: исследователь загружает одно или несколько изображений с микроскопа, и модель мгновенно определяет вид диатомей. Если на изображении несколько створок, модель распознаёт каждую из них отдельно. Точность модели YOLOv11 на тестовых данных из Института географии РАН составляет 75%, а классификатора DiatomNet на открытом наборе данных — 70%.
Модель наиболее эффективна при работе с крупными, целыми и хорошо освещёнными створками. Если же створки повёрнуты, смещены к краю кадра или находятся не в фокусе, модель пропускает их в 10–20% случаев. Если вид диатомей неизвестен, сервис предлагает выбрать наиболее подходящий из известных видов, а не генерирует произвольный ответ.
«Для тех классов, которые сервис определил, метрика получилась хорошая — в основном 70% и выше. Но пока есть сложность: сервис определяет не все, что есть на фотографии, а берет самое яркое и заметное. Если диатомея чуть повернута или смещена от центра, он ее не замечает. Хочется, чтобы можно было вручную дообучить сервис на таких примерах: выбрать класс и указать прямо на фотографии, где именно находится пропущенная створка, для науки это было бы очень полезно. При этом даже сейчас это ощутимо быстрее, чем разбирать вручную. Если в перспективе сервис сможет обрабатывать больше фотографий за раз, он станет быстрее даже опытных специалистов», — говорит Анна Рудинская, кандидат географических наук, научный сотрудник лаборатории палеоархивов природной среды Института географии РАН.
Следующий шаг — проверить сервис на целом микропрепарате. Тот же препарат дадут нескольким специалистам и сравнят их результаты друг с другом и с ответом модели. Если точность подтвердится, в Институте смогут опираться на сервис в научных публикациях. Диатомовый анализ одной колонки отложений может сократиться с нескольких лет до нескольких месяцев. Команда также планирует пополнять датасет реальными фотографиями, применять аугментацию и открыть данные для научного сообщества.
Диатомовый анализ применяется не только для автоматизации рутинной работы, но и для серьёзных палеоклиматических реконструкций. Как рассказывала интернет-газета «ЖУК», учёные из Института географии РАН и РГПУ имени Герцена восстановили климатическую историю позднеледниковья по панцирям диатомовых водорослей.