Чистый берег
Вместе с учёными из Дальневосточного федерального университета и студентами ШАДа создали и обучили нейросеть, определяющую объём, массу и виды мусора. Она помогает службам экологического контроля и волонтёрам упрощать сбор отходов на побережьях.
Как нейросети помогают планировать уборку мусора на побережьях
/
Экология
Почему мусор на побережьях угрожает экосистеме
Ежегодно в мире производится около 400 млн тонн пластика, из которых лишь 12% сжигается и 9% — перерабатывается. Остальное оказывается на свалках и попадает в грунтовые воды и водоёмы. Значительная часть пластика остаётся в океанах и частично выносится течениями на побережья.
Морской мусор угрожает жизни и здоровью животных. Пластик попадает в их организм вместе с пищей и водой, загрязняет его и никак не выводится.
Большую долю всех морских отходов составляет пластик, в основном это пищевая упаковка и рыболовные сети. Их чаще всего находят волонтёры во время уборок на побережьях.
Более 11 млн тонн пластика ежегодно попадает в Мировой океан. Если не принять меры, количество пластиковых отходов может увеличиться до 29 млн тонн к 2040 году.
Цели проекта «Чистый берег»
Уборка побережий помогает снизить уровень загрязнения и экологические риски. Однако мусор часто накапливается в труднодоступных местах, где его сложно обнаружить. Мы разработали нейросеть, которая помогает выявлять, где на побережьях собирается мусор, и определять его типы, что позволяет:
Чтобы сокращать расходы, заранее определяя, сколько людей и единиц техники потребуется для уборки.
Эффективно планировать работу волонтёров и техники
Анализировать накопление мусора
Экономить время учёных
Это упростит разработку планов по очистке побережий и подготовку к уборке в отдалённых районах.
Раньше учёные обрабатывали данные вручную. Теперь классификацией мусора займётся нейросеть, позволяя учёным сосредоточиться на исследованиях.
Как работает решение
Нейросеть анализирует снимки побережья, сделанные квадрокоптером, находит загрязняющие объекты и делит их на шесть основных типов: рыболовные сети, железо, резина, крупный пластик, бетон и древесина.
Также она отмечает на карте места скопления этих объектов, анализирует их состав и предположительный вес.
Для мониторинга накопления и перемещения загрязнений используется сервис Yandex DataLens.
Запуск в Кроноцком заповеднике
В прошлые годы на территориях Кроноцкого заповедника и Южно-Камчатского заказника периодически убирали мусор и изучали его происхождение. Для этого выбирали пробные площади, например 100 метров пляжа, и ежегодно оценивали накопление мусора в динамике.
В 2024 году во время уборок использовали нейросеть, которая помогла установить основные источники загрязнения. Выяснилось, что труднодоступные места побережий были замусорены пластиковой тарой и упаковкой (33−39%), а также отходами промышленного рыболовства (27−29%). Эти данные позволили сотрудникам заповедника более эффективно организовать уборку: например, они заранее заказали специальную технику для сбора рыболовных сетей.
Сотрудник заповедника готовится к съёмке побережья
Нейросеть определяет типы объектов
Волонтёры планируют работу по очистке побережья
Команда волонтёров за уборкой
Этапы создания решения
В 2024 году сделали фотографии побережья Кроноцкого заповедника с квадрокоптера.
Собрали более 6000 снимков
Разметили датасет
Обучили нейросеть находить и распознавать мусор
С помощью нейросети, разработанной студентами ШАДа, сотрудники Кроноцкого заповедника разметили снимки.
Для этого загрузили датасет в сервис Yandex DataSphere.
Код разработки опубликовали в открытом доступе. Теперь решение можно использовать во всём мире для мониторинга разных видов отходов.
Выложили решение в опенсорс
Протестировали на реальных и синтетических данных
Это помогло лучше оценить качество моделей. Для генерации использовали различные методы на базе нейронных сетей.
Результаты проекта
Данные о координатах, типах и распределении объектов позволяют более эффективно организовать уборку: например, заранее заказать специальную технику для сбора рыболовных сетей.
Повысили эффективность уборки
Научились анализировать загрязнения
Освободили время учёных и волонтёров для более важных задач
Анализ данных позволяет изучать накопление и перемещение мусора и на их основе разрабатывать стратегии борьбы с загрязнением.
Нейросеть анализирует больше данных и обрабатывает снимки за минуты вместо часов просмотра человеком.
Роман Корчигин,
заместитель директора по экологическому туризму Кроноцкого заповедника
«Каждое лето волонтёры и учёные собираются в Кроноцком заповеднике и Южно-Камчатском заказнике, чтобы очистить берег от пластикового мусора. Мы многие годы наблюдаем, как волны приносят сюда сотни тонн отходов со всего мира. Решение Центра технологий для общества Yandex Cloud помогает находить мусор быстрее, точнее и эффективнее. С его помощью можно спланировать уборку так, чтобы охватить максимальную территорию.
Присоединяйтесь к экспедициям по уборке в качестве волонтёров, развивайте решение вместе с нами и предлагайте новые территории для масштабирования проекта».
Наша команда
Планы по развитию проекта
Для Арктики
Масштабируем решение
С 2019 года учёные ДВФУ отслеживают накопление микропластика в Арктике. Они изучают, из каких элементов он состоит, чтобы определить источники загрязнений. Собранные учёными данные мы загрузили в сервис Yandex DataLens и сделали дашборд.
Теперь на основе полученных результатов летом 2025 года запланирована экспедиция по уборке побережья в заповеднике «Ненецкий».
Применять решение для планирования уборки на побережьях уже готовы национальные парки «Командорские острова», «Земля леопарда» и Сихотэ-Алинский заповедник.
Для других регионов
Чтобы нейросеть определяла больше типов мусора и точнее распознавала их, планируем дообучить её на данных берегов Байкала, Балтики и Арктики.
Улучшаем работу нейросети
Чтобы упростить распознавание крупногабаритного мусора среди других типов объектов побережья.
Добавляем обработку спутниковых снимко
Если у вас есть проект, связанный с экологией, или вы хотели бы узнать подробности этого проекта, напишите мне
Евгений Хохлунов
Руководитель направления экологических проектов