ИГ РАН научил нейросеть определять древние водоросли в донных отложениях озер
28 сентября 2026 г.
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. Технологическим партнером проекта выступил Центр технологий для общества Yandex Cloud.
Диатомовые водоросли – одноклеточные организмы со стеклянным панцирем из диоксида кремния. После гибели панцирь остается в донных отложениях на тысячи лет. Каждый вид требователен к температуре воды, кислотности и содержанию питательных веществ, поэтому по видовому составу на разной глубине можно восстановить историю озера и климата вокруг него. Этот метод называется диатомовым анализом.
Сейчас палеогеографы делают его вручную: под микроскопом с увеличением в тысячу раз они определяют 500–600 створок (половинок панциря) на каждый микропрепарат, сверяясь с определителями. На один препарат уходит от двух до восьми часов, а в одной колонке отложений их бывает до сотни. Одна реконструкция занимает годы. Готового сервиса для этой задачи не было: алгоритм DiatomNet, который в институте проверили на собственных снимках, дал верный ответ примерно в 30% случаев.
Чтобы решить проблему, команда собрала свои данные и обучила модель на них. В работу пошли два датасета: открытый из базы Kaggle (51 класс, около 2,2 тыс. изображений) и закрытый от ИГ РАН (46 классов, около 1 тыс. изображений), собранный при поддержке Российского научного фонда. Классы здесь равны видам: диатомовый анализ требует определения именно до вида. Данные хранятся в Yandex Object Storage, обучение шло в Yandex AI Studio. Готовые архитектуры дообучали на снимках диатомей: каждый вариант занимал 30-60 минут на видеокарте T4, а весь перебор – около недели.
Сервис уже работает – исследователь загружает одну или несколько фотографий с микроскопа и получает определение вида. Если на снимке несколько створок, модель находит и распознает каждую отдельно. На обработку одного изображения уходит меньше 200 миллисекунд. Точность YOLOv11 на тестовой выборке датасета ИГ РАН составляет 75%, классификатора DiatomNet на открытом датасете – 70%. Цифры промежуточные: по мере расширения датасета метрики пересчитают.
Модель лучше всего справляется с крупными, целыми и хорошо развернутыми створками. Повернутые, смещенные к краю кадра или не в фокусе она пропускает в 10–20% случаев. Если вид модели незнаком, сервис предлагает выбрать из известных, а не придумывает 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 к.г.н. Анна Рудинская, научный сотрудник лаборатории палеоархивов природной среды ИГ РАН.
«Мы считаем важным поддерживать проекты, которые превращают науку и современные технологии в решение реальных задач. Работа с Институтом географии РАН показывает, как облачные инструменты помогают ученым там, где раньше выручал только опыт и терпение: модель позволяет находить и определять створки диатомей на снимках за доли секунды, а специалист проверяет результат, а не начинает с нуля. В результате получается инструмент, который помогает исследователям читать донные отложения быстрее и точнее – и открывает путь к тому, чтобы реконструкции климата прошлого занимали месяцы, а не годы», – комментирует Анна Лемякина, директор по национальным и стратегическим проектам, руководитель Центра технологий для общества Yandex Cloud.
Следующий шаг – проверить сервис на целом микропрепарате. Тот же препарат дадут нескольким специалистам и сравнят их результаты друг с другом и с ответом модели. Это покажет не только точность сервиса, но и то, насколько сходятся между собой эксперты: такого исследования раньше не проводили. 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.
Также команда планирует пополнять датасет реальными фотографиями и применять аугментацию, чтобы модель распознавала створки в разных ракурсах, перейти на бессерверные вычисления и открыть собранный датасет для всего научного сообщества.
Источник: ИГ РАН.
Метки: ИГ РАН, компьютерные технологии