Японские исследователи разработали алгоритм автоматической классификации частиц вулканического пепла. В основе программы – сверточная нейронная сеть, которая в состоянии рассортировать частицы по четырем категориям в зависимости от их формы. Точность алгоритма на данный момент составляет 92 процента. Статья об алгоритме опубликована в Scientific Reports.

Частицы измельченной магмы, оседающие на земле в виде вулканического пепла после извержений, имеют диаметр менее двух миллиметров, притом их форма негомогенна, что очень осложняет традиционную ручную сортировку. Новый алгоритм был обучен на примерах частиц 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.

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.

Источник: N+1