Вкратце разработанные нами методики состоят в следующем. Для регистрации сликов на водной поверхности необходимо:
1. Подсоединить поляризационную насадку к своему смартфону через USB-кабель (рис. 4);
2. Открыть специальное приложение (см. правый верхний снимок на рис. 2) и под нужными углами наблюдения запустить серию записи фотографий, которые будут выполнены при вращении поляризатора;
3. Классифицировать наблюдаемое явление по предложенному списку (пятно нефтепродуктов, ветровая тень, океанографический процесс, без классификации) и если необходимо, то оставить дополнительный комментарий;
4. Отправить результаты проведенного эксперимента в единую базу данных.
Рис. 4. Примеры созданных поляризационных видеосистем для регистрации сликов на морской поверхности
Отдельного упоминания заслуживает разработанная поляризационная насадка на смартфон. Это недорогое устройство, которое у нас смогли сделать студенты-инженеры. Его основой является крутящийся поляризационный фильтр, который вставляется в корпус, напечатанный на 3D-принтере, а электропитание берется от самого смартфона. При этом фотографирование продолжается в обычном режиме. При определенном угле поворота фильтра слики на морской поверхности проявляются на фотографиях намного лучше, чем без использования насадки. Кроме этого, получаемая информация нужна для оценки толщины обнаруженных пленочных загрязнений.
Поляризационные насадки мы раздавали людям для бесплатного использования, а некоторые волонтеры изготавливали их самостоятельно. Но отсутствие насадки не было препятствием для участия в проекте. В большинстве случаев слик на морской поверхности вы увидите и без нее, просто он может быть не так четко виден и не будет дополнительной информации для его анализа. Несмотря на это, обычные фотографии сликов тоже очень полезны, и мы просили собирать их в тех случаях, когда у волонтера специальной насадки не было.
Описанный выше алгоритм работы, как нам показалось, не слишком сложен и позволяет волонтеру вписать небольшой научный эксперимент в свою повседневную жизнь. Представим, что вы прогуливаетесь вдоль моря, увидели какое-то пятно на воде и решили внести данные с помощью разработанной методики. Надеваете специальную поляризационную насадку на смартфон (если она у вас есть, а если нет, то можно и без нее), открываете приложение, фотографируете пятно под нужными углами (все углы запишутся автоматически с датчиков смартфона), классифицируете тип этого пятна (если уверены в нем), оставляете какой-либо дополнительный комментарий, если считаете, что это важно. Поздравляем, вы обнаружили слик! Теперь это изображение попадет к нам в базу, и мы сможем сравнивать его со спутниковыми данными, отправлять контролирующим органам, проводить исследования распределения этих сликов и тому подобное – вот так мы представляли себе процесс работы нашего волонтера. Как видите, все выполняемые операции максимально автоматизированы и, по большому счету, процедура похожа на обычное фотографирование. В случае использования поляризационной насадки она дает еще больше информации, полезной для ученых.
Рис. 5. Фото работающих волонтеров с поляризационными насадками на смартфон и полученные результаты в зоне выхода Второй речки в Амурский залив в черте города Владивосток
В случае же с анализом спутниковых изображений все началось с того, что нам не хватало эталонных массивов данных для разработки алгоритмов автоматического детектирования. Чтобы качественно обучить алгоритмы, необходимо было проанализировать больше 7000 изображений. Работы одного-двух ученых не хватало для создания таких полноценных массивов, а привлекать большее количество профессиональных исследователей было бы нерационально. Выполняемая работа скорее трудоемкая, чем требующая глубоких научных знаний. Чтобы с нужной степенью достоверности выделять необходимые природные явления на снимках, достаточно изучить небольшую инструкцию, и после этого практически любой человек может стать таким узким экспертом. При этом массовость привлечения волонтеров позволяет избежать ложных определений, ведь одно и то же изображение проанализируют несколько человек. Это даст возможность выбрать наиболее достоверные изображения и провести внутреннюю классификацию «качества» экспертирования.
Анализ спутниковых изображений был организован с помощью проекта «Люди науки» на разработанной ими платформе Experion. В режиме онлайн волонтеры проходили небольшое обучение и после этого отмечали признаки пылевых бурь или внутренних волн на фотографиях со спутников, загруженных в систему.
Зачем вообще искать эти явления на снимках? Разберемся по порядку, сначала про пылевые бури.
Рис. 6. Анализ спутникового изображения на платформе Experion