Искусственный интеллект сможет вести всесезонный мониторинг популяции уникальных рыб на территории Южно-Камчатского заказника. Один из разработчиков системы наблюдения за неркой — Тимур Ионов, сотрудник лаборатории нейронных систем и глубокого обучения Исследовательского центра прикладных систем искусственного интеллекта МФТИ.
Южно-Камчатский заказник включен в Список Всемирного культурного и природного наследия ЮНЕСКО. Курильское озеро, расположенное на охраняемой территории, — крупнейшее в Азии нерестилище нерки. В пределах России этот вид можно встретить только у берегов Камчатки и Сахалина.
![нейросеть](https://zanauku.mipt.ru/wp-content/uploads/2024/04/1516795411141121028-1024x686.jpg)
У реки Озерной расположена территория КамчатНИРО. Основная задача сотрудников этой организации — считать рыбу, которая проходит по реке из Охотского моря в Курильское озеро. Для этих целей стоит специальная загородка, перегораживающая реку. Темные пятна около нее — это скопившаяся рыба, ждущая своей очереди на проход. Когда рыба идет вверх против течения реки, вода в ней буквально кипит. Численность лосося варьируется от 2 миллионов до 6 миллионов голов в сезон.
Перед разработчиками стояла задача — сделать модель машинного обучения для детекции нерки, проходящей через рыбоучетное заграждение КамчатНИРО (Камчатского научно-исследовательского института рыбного хозяйства и океанографии). Качество распознавания объектов оценивалось по коэффициенту Жаккара (пересечение над объединением областей детекции предсказанной и настоящей области). Интеллектуальная система способна в режиме реального времени собирать и отправлять информацию о ситуации в акватории сотрудникам заповедника. На основании этих данных они смогут устанавливать квоты на вылов нерки.
![нейросеть](https://zanauku.mipt.ru/wp-content/uploads/2024/04/1516796499196368360-1024x696.jpg)
Фото: ТАСС
Важно, что автоматика способна мониторить не только пути миграции и численность рыб в акваториях — цифровая система применима для детекции любых движущихся объектов. К примеру, животных и людей, а также наземного и водного транспорта.
![нейросеть](https://zanauku.mipt.ru/wp-content/uploads/2024/04/G0018259-1024x768.jpg)
Фотография до распознавания
![нейросеть](https://zanauku.mipt.ru/wp-content/uploads/2024/04/image_2024-01-26_13-32-18-1024x766.png)
Пример распознавания нерки
Используя одну нейросетевую систему, заповедник сможет полностью закрыть задачи по глубинному наблюдению за фауной.
Тимур Ионов, сотрудник лаборатории нейронных систем и глубокого обучения Центра ИИ МФТИ: «Основа решения — это сильная модель, способная работать в различных погодных условиях. Однако главная сложность была в создании практичного инструмента для ученых-океанологов и сотрудников службы мониторинга Южно-Камчатского заказника. Нам удалось разработать интерактивного ассистента разметки, а также инструменты аналитики. Нейросеть способна вести подсчет уникальных рыб, животных или людей. Сервис аналитики предоставляет отчет о количестве объектов в зависимости от геопозиции и времени, а также предоставляет тепловую карту перемещения на местности».
В ближайших планах команды разработчиков — адаптировать интеллектуальную систему для работы на других заповедных территориях России. Также инженеры продолжат обучение нейросети для мониторинга популяции нерки на основании архивных данных Камчатского научно-исследовательского института рыбного хозяйства и океанографии.