В работу включены телеграм-сервис No Code ML (классическое обучение нейронной сети на датасетах), DLgram (распознаёт многочисленные однородные объекты) и ParticlesNN (автоматически находит наночастицы на изображениях сканирующей зондовой микроскопии (СЗМ) и электронной микроскопии (ЭМ), обученной нейронной сетью). Приложения анализируют объекты, определяют их параметры и работают с различными изображениями – фотографиями, снимками с электронных микроскопов, видеозаписями. Они способны распознавать растения, животных, транспорт и более мелкие объекты – клетки, семена растений, микроорганизмы, наночастицы.
Пользователю не обязательно владеть программированием или иными навыками, обрабатывать картинку перед работой тоже не нужно. Корректировать результаты можно при необходимости.
Как объяснил заведующий лабораторией глубокого машинного обучения в физических методах Института интеллектуальной робототехники НГУ Андрей Матвеев, идею впервые подала преподаватель Института катализа имени Борескова СО РАН Анна Нартова в 2019 году. Целями создания онлайн-сервиса ParticlesNN стали экономия времени и избавление сотрудников от рутины.
Работу начали с изображений сканирующей зондовой микроскопии. Часто исследователям нужно было определять размер и число объектов вручную. Автоматические обработки давали хорошие результаты только на картинках с высоким качеством. Засветы и шумы воспринимались программой как отдельные элементы, поэтому результаты становились недостоверными. Учёные решили пользоваться модернизированными способами искусственного интеллекта.
Нейронную сеть Cascade Mask-RCNN обучали на пяти тысячах объектов. Попадались и ошибки, но большая часть результатов соответствовали ожиданиям, в том числе и при анализе данных электронной микроскопии. Итоги получили положительные отзывы в научных журналах.
– Мы решили сделать эту нейронную сеть доступной для пользователей других лабораторий и научных институтов и создали веб-сервис ParticlesNN. Человек может загрузить изображение, получить статистические результаты его обработки и корректировать их. Но есть и недостатки – программа работает только с теми типами объектов, на которых обучалась нейросеть. Каждый раз учить её работе с новыми типами объектов – задача довольно трудоёмкая, поэтому решили разработать сервис, который позволял бы пользователю самому обучать нейронную сеть на нужных ему элементах. Так возник онлайн-сервис DLgram, а вскоре и No Code ML. Теперь же для удобства мы объединили их на одной платформе iOk. Уже сейчас суммарное количество ее пользователей составляет более 500 специалистов, – объяснил Андрей Матвеев.
Ранее новосибирские инженеры представили уникальное оборудование для станции СКИФ.
