Новость

ИИ-система «Яндекса» ускорила анализ проб воды из Байкала

1 источник

Все новости

ИГУ, ИнБЮМ РАН и MaritimeAI с помощью ИИ-системы «Яндекса» ускорили анализ проб воды из озера Байкал. Система использует компьютерное зрение и нейросети для классификации зоопланктона с точностью до 87%.

ИГУ, ИнБЮМ РАН и MaritimeAI с помощью ИИ-системы «Яндекса» ускорили анализ проб воды из озера Байкал. Решение включает несколько компонентов: YOLO V11 выделяет на изображениях области, которые могут содержать организмы зоопланктона, а ViT_b_16 классифицирует объекты с помощью метода k-ближайших соседей (KNN). Объекты, не попавшие в известные кластеры, выявляются с помощью OneClassSVM и HDBScan, после чего передаются на проверку экспертам. Эксперты подтверждают или корректируют выводы ИИ и добавляют новые данные в тренировочную выборку. Модели в составе системы переобучаются несколько раз в год с учетом сезонных изменений. С 2022 года система обработала 250 тыс. изображений из 811 проб и показала точность распознавания до 87%.

Источники 1
  • ИИ-система «Яндекса» ускорила анализ проб воды из Байкала ICT.Moscow AI 
    ИГУ, ИнБЮМ РАН и MaritimeAI с помощью ИИ-системы «Яндекса» ускорили анализ проб воды из озера Байкал

Решение состоит из нескольких компонентов. Алгоритм компьютерного зрения YOLO V11 анализирует изображения и выделяет области, которые могут быть организмами зоопланктона.

На втором этапе нейросеть-трансформер с архитектурой ViT_b_16 классифицирует объекты с помощью метода k‑ближайших соседей (KNN, K-Nearest Neighbours), где изображения сопоставляются с уже известными классами организмов.

Объекты, не попадающие в известные кластеры, выявляются с помощью алгоритмов OneClassSVM и HDBScan. Такие случаи направляются на проверку экспертам, которые подтверждают или корректируют выводы ИИ, а также добавляют новые данные в тренировочную выборку. Работающие в составе системы модели переобучаются несколько раз в год для учета сезонных изменений.

За период с 2022 года система обработала 250 тыс. изображений из 811 проб с точностью распознавания до 87%. В дальнейшем планируется регулярно обновлять модели, расширять базу данных и совершенствовать алгоритмы.

📃 Статья в журнале Biology

🔗 Источник: https://yandex.cloud/ru/blog/baikal-monitoring-update-2026

***
📎 В июне 2026 года ученые из «Сколтеха», AIRI и ИРНИТУ создали ИИ-инструмент для оценки характеристик леса.