Пифагоровы штаны: Как сегодня устроена работа станций пыльцевого мониторинга в городе и зачем в этом процессе нужна нейросеть? - Наталья Ханжина - Интервью - 2019-08-20
20.08.2019
Пифагоровы штаны: Как сегодня устроена работа станций пыльцевого мониторинга в городе и зачем в этом процессе нужна нейросеть? - Наталья Ханжина - Интервью - 2019-08-20
Скачать
А. Петровская
―
Добрый день, у микрофона Александра Петровская, это программа «Пифагоровы штаны», напротив меня Наталья Ханжина, старший научный сотрудник лаборатории машинного отделения международного научного центра Компьютерные технологии университета ИТМО.Н. Ханжина
―
Здравствуйте.А. Петровская
―
Сегодня мы будем говорить о прикладных исследованиях, которыми вы занимаетесь, и касаются они всех тех, кто весной, также как и я, чихает от того, что цветет то ли береза, то ли еще что-то. Ваши исследования и проекты призваны помочь людям, которые страдают от поллиноза. А таких, как вы сказали, около 30% и это количество будет только увеличиваться.Н. Ханжина
―
Совершенно верно. Один из моих проектов связан с помощью аллергикам, людям, страдающим от аллергии на пыльцу. И моя задача состоит в том, чтобы автоматизировать распознавание пыльцы. Начинается все с извлечения этих самых пыльцевых зерен из воздуха, с помощью ловушки Буркарда, на основе липкой ленты. Затем готовятся микропрепараты, которые волонтеры и палинологи на станциях пыльцевого мониторинга распознают, разглядывая в микроскопы и определяют, находится ли в данный момент в воздухе пыльца растений-аллергенов или же нет. Необходимо ли предупреждать аллергиков о начале пыления того или иного аллергена. Их усилия, к сожалению, не могут обеспечить достаточно актуальную информацию для аллергиков, так как попросту станций пыльцевого мониторинга в России, да и в мире в целом, не достаточно. Мой проект состоит в автоматизации распознавания этих пыльцевых зерен. После этапа съемки пыльцевых зерен с микроскопа, они подаются на вход модели нейронной сети, которая определяет, есть ли на них растения-аллергены или нет, и в каком количестве. Далее информация погружается на веб-сервис, и больные могут точно узнать, стоит ли им сегодня принимать антигистаминные препараты.А. Петровская
―
Давайте определимся теперь в деталях. Первое, что касается этих улавливающих ловушек, они нужны в любом случае, просто они не будут требовать в случае применения нейронной сети, которую вы разработали, подключения рук исследователей и волонтеров?Н. Ханжина
―
Да, совершенно верно. Именно в этом состоит суть моего проекта – отсутствие необходимости подключения людей, что позволит уменьшить усилия по распознаванию пыльцы.А. Петровская
―
Что касается самих по себе ловушек для пыльцы, их сейчас в достаточном количестве присутствует в Петербурге и в России?Н. Ханжина
―
Я бы предположила, что их количество равно количеству станций пыльцевого мониторинга. Насколько я знаю, в России таких станций не больше 20, из них активно действующих не больше 10. Соответственно, я думаю, что по одной ловушке на каждую станцию. То есть в Петербурге это не больше двух ловушек.А. Петровская
―
А достаточно это для того, чтобы нейросеть правильно и корректно работала?Н. Ханжина
―
Здесь попросту применяется экстраполяция, то есть на основе того, что в воздухе было найдено делается предположение об общем пыльцевом спектре.А. Петровская
―
То есть, если мы хотим составить карту города, то недостаточно той системы мониторинга?Н. Ханжина
―
Если говорить по количеству ловушек, то считается, что этого достаточно. Есть статистически значимое количество пыльцевых зерен, которое специалисты подсчитывают, их около 500. Соответственно, на основе такого количества пыльцевых зерен делается вывод об общем состоянии воздуха.А. Петровская
―
Но это уже обобщено на весь город, делить на районы невозможно?Н. Ханжина
―
Это невозможно, да вероятно и не нужно.А. Петровская
―
Что касается вашей системы, она не только распознает, но и подсчитывает?Н. Ханжина
―
Да. Автоматизация состоит в поиске пыльцевых зерен, которые под микроскопом все выглядят по-разному. Для начала их нужно все обнаружить, определить вид растения и составить статистику по найденной пыльце.А. Петровская
―
Я правильно понимаю, что нейросеть справляется на одном уровне со специалистами?Н. Ханжина
―
Да, конечно же, это является критерием для внедрения метода в работу станции. И да, мой метод позволяет выполнять работу на уровне специалиста. Более того, есть такие виды растений, которые сложно различить даже опытным палинологам. Например, дудник лесной и дудник лекарственный, как говорят, у нас в стране может различить один единственный палинолог. А мой метод легко различает эти виды друг от друга.А. Петровская
―
И как раз тестовый режим у вас уже пройден, сейчас идет процедура внедрения?Н. Ханжина
―
Да, совершенно верно.А. Петровская
―
Что касается особенностей работы нейросетей, мы много раз говорили. И знаем, что нейросеть – это такое программное обеспечение, которое позволяет, используя аналогию с человеческим мозгом, обучать программу делать ту или иную работу. Причем с каждым разом, чем больше изображений туда было загружено, тем точнее будет происходить работа этой системы.Н. Ханжина
―
Примерно так все и есть. Единственное, могу сказать, что сейчас наиболее трендовыми являются нейронные сети, которые используют в своей основе сверточные слои. Они имитируют не просто работу человеческого мозга, а считается, что они изначально были инспирированы работой глазного аппарата человека. Так как они учитывают при распознавании не только отдельные пиксели изображения, но целые группы пикселей для выделения репрезентативных признаков объектов.А. Петровская
―
Сегодня нейросеть что только не делает. А насколько это сложная задача?Н. Ханжина
―
Ее сложность, с одной стороны, состоит в том, что разные виды растений могут выглядеть очень похоже, с другой стороны, один и тот же вид растения в зависимости от оси симметрии, которых всего три, может выглядеть совершенно по-разному. В этом сложность распознавания, но при этом нейронная сеть очень хорошо справляется с задачей классификации, в то время как более сложной задачей для нее является поиск этих пыльцевых зерен, то есть детекция. Однако и для этого разработаны нейросетевые подходы, которые я применяю.А. Петровская
―
То есть машины все-таки нас заменят?Н. Ханжина
―
Не полностью. Даже в моей задаче человек полностью не уйдет. Хотя могу сказать, что есть аналоги, есть подобные проекты, которые полностью исключают влияние человека. Есть целые шкафы, которые включают в себя эту ловушку, микроскоп и распознаватель. И все делается без участия человека в автоматическом режиме. Это немецкий аппаратно-программный комплекс, где все полностью автоматизировано. Однако, они не нашли большого распространения, ввиду дороговизны данного решения. Если говорить в глобальном смысле, мы еще очень далеки от того, чтобы исключить полностью человека. Однако в рутинной работе автоматизация пойдет людям только на пользу. Пусть люди лучше занимаются тем, что им нравится, а рутинную работу легко автоматизировать, в том числе с помощью нейронных сетей.А. Петровская
―
На этом мы заканчиваем. Спасибо.Н. Ханжина
―
До свидания.