РАЗРАБОТКА МОДЕЛИ ДЕТЕКЦИИ МОРСКОГО МУСОРА

Достовалов Андрей Андреевич, магистрант, Базовая кафедра «Аналитика больших данных и методы видеоанализа», Уральский федеральный университет

Капустин Савелий Андреевич, магистрант, Базовая кафедра «Аналитика больших данных и методы видеоанализа», Уральский федеральный университет

Аннотация

Работа посвящена разработке модели машинного обучения для автоматической детекции морского мусора на основе анализа изображений. Проведен сравнительный анализ моделей глубокого обучения (Faster R-CNN, SSD, YOLO) с учетом точности, скорости обработки и потребления вычислительных ресурсов. Наиболее перспективной признана модель YOLOv8 благодаря высокой производительности и стабильности. Разработан и подготовлен уникальный датасет, включающий изображения морской поверхности с размеченными объектами мусора. Выполнено обучение модели, достигнуты значительные показатели точности (mAP50-95), полноты и локализации объектов. Создан веб-сервис, позволяющий загружать фотографии, автоматически определять объекты морского мусора и экспортировать результаты в формате JSON. Работа представляет вклад в автоматизацию процессов экологического мониторинга и может быть использована для дальнейших исследований в области борьбы с морским загрязнением. Результаты демонстрируют возможность интеграции модели в системы мониторинга реального времени.

КЛЮЧЕВЫЕ СЛОВА: морской мусор, детекция, мониторинг загрязнений, анализ изображений, бортовые камеры, спутниковый мониторинг, автоматизация, экосистемы, пластиковые отходы, экологическое воздействие, технологии наблюдения, методы детекции.

Загрузить статью РАЗРАБОТКА МОДЕЛИ ДЕТЕКЦИИ МОРСКОГО МУСОРАpdficon_small

Библиографическое описание статьи:
Достовалов А.А., Капустин С.А. Разработка модели детекции морского мусора // Сетевое научное издание «Устойчивое инновационное развитие: проектирование и управление». 2025. Т. 21, вып. 1 (66). URL: http://www.rypravlenie.ru/?p=4282