Нейросеть помогла ускорить уборку мусора на побережьях Камчатки и Арктики в четыре раза
Студенты «Школы анализа данных» и специалисты «Яндекса» разработали нейросеть, которая помогает волонтёрам и экологам планировать уборку берегов водоёмов в труднодоступных регионах. Технологию уже протестировали на Дальнем Востоке, в том числе в Южно-Камчатском федеральном заказнике.
Как пишет «Коммерсант», нейросеть анализирует аэрофотоснимки и автоматически находит скопления мусора, определяя его тип. Это позволяет заранее рассчитать, сколько техники и волонтёров потребуется для уборки. Разработчики сообщили, что модель делит отходы на шесть категорий: рыболовные сети, железо, резина, крупный пластик, бетон и древесина. Для визуализации данных используется сервис Yandex DataLens, а сама нейросеть обучалась с помощью облачного сервиса Yandex DataSphere.
Один из разработчиков, выпускник ШАД Артём Нургалиев, рассказал, что работал над улучшением качества сегментации мусора и тестировал разные архитектуры нейросетей. Для ускорения разметки использовалась модель Segment Anything, а для обучения — SegFormer на основе трансформеров.
Как отметили участники проекта, нейросеть показала высокую эффективность в полевых условиях. Так, при уборке побережий Камчатки было установлено, что 33–39% загрязнений составляют пластиковая тара и упаковка, а 27–29% — отходы промышленного рыболовства. Эти данные позволили заранее подготовить необходимую технику: два самосвала, два квадроцикла, фронтальный погрузчик и команду из 20 волонтёров. Благодаря автоматизации с помощью дронов и нейросети организовать сбор 5 тонн мусора удалось в четыре раза быстрее.
По словам технического директора лаборатории генеративного ИИ «Школы дизайна» НИУ ВШЭ Дмитрия Сошникова, код нейросети уже используют другие исследовательские группы. Он подчеркнул, что благодаря открытости проекта экологи в разных регионах могут адаптировать модель под свои нужды и ускорить процесс обнаружения и классификации отходов.
В 2025 году технологию планируют применить в других заповедниках и нацпарках Дальнего Востока и Арктики. Разработчики рассматривают возможность создания облачного сервиса, который позволит масштабировать модель и сделать её доступной для экологических служб и научных организаций.