По данным Государственного доклада за 2022 год, объемы твердых коммунальных отходов (ТКО) в России составили почти 46 миллионов тонн, из них пять миллионов — пластиковый мусор. При этом ежегодно только 14–18 процентов от его общего количества собирается для повторного использования, а остальное отправляется на захоронение. Частицы микропластика обнаружены во всех сферах природной среды, а также в живых организмах. Во всем мире ищут способы быстро и точно находить пластиковые частицы в почве, воде и воздухе. Ученые ПНИПУ разработали технологию определения микропластика с помощью нейронных сетей и машинного зрения.

Исследование опубликовано в материалах всероссийской научно-практической конференции «Химия. Экология. Урбанистка» 2024 год. Работа проводилась в рамках программы «Сириус. Лето».

Полимерные материалы разлагаются в среднем от 400 до 700 лет. Под воздействием природных факторов, например, прямого ультрафиолетового излучения, они распадаются на частицы микропластика размером менее пяти миллиметров и встраиваются в сложные среды, смешиваясь с ними. Его находят в воде, почве и некоторых видах пищевых продуктов, например, морской рыбе или растениях.

Микропластик принимает различные формы и имеет разнородный состав, поэтому определение его количества и свойств требует много времени. Сейчас все образцы изучают вручную с помощью фильтрации, микроскопов, спектрального анализа и некоторых физико-химических методов. Этот процесс весьма трудоемкий.

Ученые Пермского Политеха разработали способ определения частиц микропластика в компонентах природной среды с применением компьютерного зрения и нейронных сетей. Обучили нейросеть выделять и определять вид микропластика. Методы машинного обучения повышают точность результатов и скорость обработки образцов в несколько раз. Это значительно сократит время и затраты, связанные с ошибками.

«Для проведения исследований мы использовали искусственно подготовленные пробы путем дробления нескольких видов пластика: полиэтилентерефталат, полипропилен, полиэтилен низкой плотности. Предварительно полимерные отходы промывали, измельчали и просеивали через сито с величиной ячеек один миллиметр. После этого пластик смешивали с песком для имитации условий в окружающей среде. Для определения частиц использовали метод микроскопирования c увеличением в 40 раз. Так мы собрали массив обучающей выборки из 100 изображений, и применили его для обучения нейронной сети», — поделился магистр кафедры «Охраны окружающей среды» ПНИПУ Кирилл Аристов.

Полученный набор данных разделили на три выборки: 89 процентов изображений использовались для обучения нейронной сети, шесть процентов — для валидации, на ее основе производится промежуточная проверка, и пять процентов для теста, которая нужна для окончательной проверки.

«Для эффективного обучения нужно много повторений, иначе нейронная сеть работает неточно. Поэтому обучение проводится в несколько циклов. Чем их больше, тем лучше натренирована нейросеть. Мы производили обучение для 30 циклах. По результатам средняя точность распознавания микропластика составила 82,63 процента, что считается довольно высокой», — поделился магистр кафедры «Автоматика и телемеханика» ПНИПУ Ростислав Кокоулин.

«Использование компьютерного зрения и нейронных сетей являются многообещающими и перспективным методами в решении многих экологических задач, в том числе идентификации загрязнителей в объектах окружающей среды. Наши исследования в этой области будут продолжены, и мы надеемся получить достойные результаты», — дополнила доктор технических наук, профессор кафедры «Охрана окружающей среды» ПНИПУ Наталья Слюсарь.