Учёные Института географии РАН разработали сервис на основе нейросетей для определения видов диатомовых водорослей по микрофотографиям. Система распознаёт одну фотографию менее чем за 200 миллисекунд и должна ускорить анализ донных отложений, который сейчас специалисты проводят вручную. Технологическим партнёром проекта выступил Центр технологий для общества Yandex Cloud.

Диатомовые водоросли — одноклеточные организмы с кремниевым панцирем. После гибели их оболочки могут сохраняться в донных отложениях тысячи лет. Разные виды по-разному реагируют на условия среды, поэтому по составу диатомей на разных глубинах учёные могут восстанавливать историю озера и изменения условий окружающей среды. Такой метод называется диатомовым анализом.

До появления сервиса исследователям приходилось делать это вручную. Под микроскопом с увеличением в тысячу раз специалист определяет примерно 500–600 створок, сверяясь с определителями. На один микропрепарат уходит от двух до восьми часов, а в одной колонке донных отложений их может быть до ста. В результате обработка одной реконструкции растягивается на годы.

Готового инструмента именно для этой задачи у исследователей не было. Ранее проверенный на снимках Института географии РАН алгоритм DiatomNet правильно определял вид примерно в 30% случаев. Поэтому команда собрала собственные данные и дообучила модели на них.

Для обучения использовали два набора. Первый взяли из открытой базы Kaggle — около 2,2 тыс. изображений, относящихся к 51 классу. Второй собрали в Институте географии РАН при поддержке Российского научного фонда — около 1 тыс. изображений 46 классов. В этой задаче класс соответствует виду, поскольку для диатомового анализа важно определить организм именно до видового уровня.

Данные разместили в Yandex Object Storage, а обучение проводили в Yandex AI Studio. Готовые архитектуры дообучали на снимках диатомей. Один вариант обучения занимал на видеокарте T4 от 30 до 60 минут, а полный перебор вариантов продолжался около недели.

Сервис уже позволяет загрузить одну или несколько фотографий с микроскопа и получить определение вида диатомовых водорослей

Если на снимке находится несколько створок, система может отдельно найти и распознать каждую из них. Обработка одного изображения занимает менее 200 миллисекунд.

На тестовой выборке Института географии РАН точность модели YOLOv11 составила 75%, а классификатора DiatomNet на открытом наборе данных — 70%. Эти показатели пока промежуточные: после расширения датасета их планируют пересчитать.

Нейросеть лучше всего распознаёт крупные, целые и хорошо развернутые створки. Если объект повёрнут, находится у края кадра или попал в расфокусированную область, система пропускает его в 10–20% случаев. Если встречается неизвестный для модели вид, она предлагает выбрать вариант из известных классов, а не пытается самостоятельно придумать ответ.

Следующим полезным дополнением, по мнению учёных, станет возможность вручную дообучать систему на пропущенных объектах. Специалист мог бы указать класс и отметить на фотографии створку, которую нейросеть не распознала. Даже в нынешнем виде автоматическая обработка уже заметно сокращает объём ручной работы, а дальнейшее увеличение количества обрабатываемых снимков может ещё сильнее ускорить анализ.

Следующий этап — проверить систему на целом микропрепарате. Один и тот же препарат дадут нескольким специалистам, после чего их результаты сравнят между собой и с ответом модели. Это позволит оценить не только точность сервиса, но и то, насколько совпадают результаты разных специалистов. Если показатели подтвердятся, разработчики рассчитывают использовать сервис в дальнейшей научной работе.