Ученые научили систему искусственного интеллекта (ИИ) точно отображать — за одну сотую секунды — площадь поверхности и очертания гигантских айсбергов, запечатленные на спутниковых изображениях. Статья под названием «Картирование размеров гигантских антарктических айсбергов с помощью глубокого обучения» опубликована в журнале Криосфера.

Это значительный шаг вперед по сравнению с существующими автоматизированными системами, которые изо всех сил пытаются отличить айсберги от других объектов на изображении. Ручная (или человеческая) интерпретация изображения более точна, но на очертание контура отдельного айсберга может уйти несколько минут. Если это приходится повторять много раз, процесс быстро становится трудоемким и трудоемким.

Айсберги оказывают значительное воздействие на полярную окружающую среду, и их мониторинг имеет решающее значение как для безопасности на море, так и для научных исследований. Они могут быть чрезвычайно большими (в некоторых случаях размером с небольшую страну) и представлять опасность для проходящих мимо судов. По мере таяния айсберги выбрасывают в моря питательные вещества и пресную воду, и это может оказать воздействие на морские экосистемы.

Доктор Энн Браакманн-Фольгманн, которая руководила исследованием во время работы над докторской диссертацией в Центре полярных наблюдений и мониторинга Университета Лидса, сказала: «Айсберги существуют в труднодоступных частях мира, и спутники — это не только фантастический инструмент для наблюдения за тем, где они находятся, они могут помочь ученым понять процесс того, как они тают и в конечном итоге начинают распадаться на части.

«Использование новой системы искусственного интеллекта решает некоторые проблемы существующих автоматизированных подходов, которые могут с трудом различать айсберги и другой лед, плавающий в море или даже близлежащую береговую линию, которые присутствуют на одном и том же изображении».

Нейронная сеть

Доктор Браакманн-Фольгманн и ее коллеги использовали алгоритм под названием U-net — тип нейронной сети — чтобы «обучить» компьютер точно отображать очертания айсбергов на основе изображений, полученных спутниками Sentinel-1, управляемыми Европейским космическим агентством.

В рамках исследования эффективность алгоритма U-net сравнивалась с двумя другими современными алгоритмами, используемыми для картирования айсбергов. Они известны как k-средства и Оцу. Алгоритмы были запрограммированы на идентификацию самого большого айсберга на серии спутниковых изображений.

На изображении 1 показан алгоритм U-net, правильно идентифицирующий айсберг, выделенный красным. Для сравнения: алгоритм k-средних ошибочно определил группу меньших айсбергов и фрагментов льда, показанных синим цветом, как один большой айсберг. Это показано на изображении 2.

На изображении 3 показано, как U-net правильно определил айсберг, на этот раз окруженный морским льдом. Айсберг выделен красным, а морской лед виден серой структурой. Однако алгоритм k-средних идентифицировал айсберг и морской лед как один айсберг. Алгоритм не может различить эти два объекта, несмотря на то, что они являются разными объектами, где морской лед представляет собой довольно плоский лед в море, а айсберг стоит в нескольких метрах над ним. (Показано на изображении 4)

Как работает алгоритм

Анимация 1 показывает, как работает алгоритм. Он использует подход, предназначенный для манипулирования изображениями. Анализируя пиксели изображения, он может определить границу или контур объектов, в данном случае он идентифицирует контур айсберга.

Анимация 2 сравнивает алгоритм U-net с гораздо более медленным ручным подходом.

Доктор Браакманн-Фольгманн, сейчас работающий в Арктическом университете Норвегии в Тромсё, сказал, что эта технология может привести к появлению новых услуг по предоставлению информации о форме и размере гигантских айсбергов. Современные картографические службы показывают только среднюю точку или центральное расположение и длину айсбергов. Интерпретация с помощью этого нового подхода означает, что можно вычислить их контур и площадь.

Она добавила: «Возможность автоматически картировать протяженность айсбергов с повышенной скоростью и точностью открывает путь к оперативной службе, предоставляющей очертания айсбергов на регулярной автоматизированной основе. Сочетание этих данных с измерениями толщины айсбергов также позволяет ученым отслеживать места, где выпадают гигантские айсберги. огромное количество пресной воды попадает в океаны. Существуют сервисы, которые предоставляют данные о местоположении айсбергов, но не об их очертаниях или площади».

Точность картографической системы

Система была протестирована на спутниковых снимках семи айсбергов, размер которых составлял примерно 54 км.²; и Гонконг — 1052 км.². Для каждого из этих айсбергов было использовано до 46 изображений, охватывающих все сезоны 2014-2020 годов.

В серии тестов U-net превзошёл два других алгоритма и оказался более эффективным в определении очертаний айсберга на изображениях, сделанных в сложных условиях окружающей среды, например, на изображении, запечатлевшем множество ледяных структур.

В среднем алгоритм U-net показал оценку площади айсберга лишь на 5% ниже. Напротив, алгоритмы k-means и Otsu в среднем возвращали значения площади айсберга, которые были на 150–170 % больше, вероятно, потому, что алгоритмы включали в расчеты морской лед и даже близлежащую береговую линию.

В машинном обучении показатель F1 — это оценка того, насколько хорошо работает алгоритм, и он варьируется от 0 до 1, при этом значения, близкие к единице, отражают большую точность. U-net получила оценку F1 0,84. Два других алгоритма получили оценку 0,62.

Эндрю Шеперд, профессор Университета Нортумбрии и один из соавторов исследования, сказал: «Это исследование показывает, что машинное обучение позволит ученым контролировать удаленные и недоступные части мира практически в режиме реального времени. обучаясь, алгоритм станет более точным, поскольку он учится на ошибках в интерпретации спутникового изображения».