Японские исследователи разработали алгоритм автоматической классификации мелких частичек вулканического пепла. Программа основана на работе сверточной нейронной сети и может определить одну из четырех возможных форм частицы с точностью до 92 процентов. Статья опубликована в Scientific Reports.
После извержения вулкана в воздухе и на земле оседает вулканический пепел — продукт измельчения магмы, диаметр отдельных частиц которого не превышает двух миллиметров. В зависимости от типа извержения форма этих частичек может быть разной: к примеру, при извержении магмы низкой вязкости частички вулканического пепла имеют вытянутую форму, похожу на каплю. Для анализа последствий извержения частички пепла изучают в лаборатории и классифицируют вручную: тем не менее, из-за того, что их форма не гомогенна, это может быть очень сложно.
Решить эту задачу с помощью современных информационных технологий решили ученые под руководством Хидейцу Хино (Hideitsu Hino) из Института статистической математики (Татикава, Япония). Они собрали образцы вулканического пепла трех типов извержений: магматического, фреатомагматического (извержения при взаимодействии магмы с водой) и бескорневого (извержение, которое происходит при контакте лавы с влажным грунтом около жерла).
Исследователи выделили четыре формы частичек пепла (блочную, везикулярную, вытянутую и круглую) и обучили сверточную нейросеть их определять. Получая на вход изображение частички размером 50×50 пикселей, нейросеть анализирует распределение пикселей разных цветов, сравнивая их с изображениями частиц разной формы.
Обученная нейросеть научилась автоматически определять форму частиц вулканического пепла с точностью до 92 процентов: в том случае, если нейросети не удавалось выдать точный ответ, определить его можно было вручную, сравнив вероятность попадания в определенный класс.
Затем ученые рассчитали вероятность появления частиц вулканической пыли разной формы после трех видов извержений и проанализировали пепел, собранный неподалеку от трех местностей: кратер Ниппана на вулканическом острове Миакедзима (фреатомагматическое извержение), Фунабара на острове Идзу (магматическое извержение) и вулканическое озера Миватн в Исландии (бескорневое извержение). Алгоритму удалось эффективно кластеризовать частицы по форме.
Авторы отмечают, что форма частиц вулканической пыли далека от идеала и для повышения качества распознавания необходимо в дальнейшем собрать масштабный датасет для улучшения работы нейросети.
При помощи сверточных нейросетей разработчики учат компьютер классифицировать формы и других объектов — к примеру, клеток: осенью прошлого года американские исследователи представили алгоритм автоматического определения формы эритроцитов для диагностики серповидноклеточной анемии.
Елизавета Ивтушок