Мерить на газ: компьютерное зрение «увидит» надвигающиеся бури и турбулентность

Российские ученые разработали новый подход к анализу изображений течений газа и плазмы при помощи компьютерного зрения и нейросетей. Метод подойдет для изучения таких процессов в атмосфере Земли и космосе, включая распространение ударных волн, движение аэрозольных частиц, формирование вихрей и эволюцию облачных структур. При обработке данных с дронов, самолетов или спутников алгоритмы могут автоматически выделять такие структуры, определять их скорость, направление движения, размеры и изменение во времени, что делает подход полезным для анализа погодных явлений. Например, сильной турбулентности, опасной для летательных аппаратов, пылевых бурь или отслеживания мельчайшего космического мусора.

Анализ физических явлений в разных масштабах

Ученые физического факультета МГУ имени М.В. Ломоносова представили подход к анализу изображений течений газа и плазмы с применением компьютерного зрения и нейронных сетей. Технология позволяет автоматически распознавать и обрабатывать массивы больших данных, получаемых при высокоскоростной панорамной съемке потоков. Разработка предназначена для изучения сложных процессов в широком диапазоне масштабов. С ее помощью можно распознавать различные динамические структуры, визуализированные как в условиях лабораторного эксперимента, так и в атмосфере Земли.

Как пояснили ученые, созданные на базе современной фотоники устройства позволяют регистрировать изображения с высоким пространственным разрешением со скоростью миллионов кадров в секунду. Использование оптических методов визуализации дает возможность изучать процессы в атмосфере Земли, включая распространение ударных волн, движение аэрозольных, пылевых и дымовых шлейфов, формирование вихрей, зоны турбулентного перемешивания и эволюцию облачных структур.

— Объединение высокоскоростной оптической панорамной визуализации с алгоритмами компьютерного зрения и нейросетевыми моделями позволяет выйти на принципиально новый уровень анализа экспериментов и извлекать количественную физическую информацию из массивов изображений, которые ранее было практически невозможно обрабатывать вручную, — сообщил «Известиям» старший научный сотрудник кафедры молекулярных процессов и экстремальных состояний вещества Игорь Дорощенко.

При обработке данных с наземных камер, беспилотных аппаратов, самолетов или спутников нейросетевые алгоритмы могут автоматически выделять изучаемые структуры, определять их скорость, направление движения, размеры и изменение во времени. Это делает подход полезным для анализа погодных явлений и как дополнительный источник данных для прогноза опасных процессов, например сильной турбулентности, пылевых бурь или быстрого переноса загрязнений, рассказали ученые.

Найдет практическое применение методика и в космосе: лабораторные стрик-развертки (метод высокоскоростной регистрации быстропротекающих процессов) движущихся частиц могут служить моделью изображений малоразмерного космического мусора, а алгоритмы распознавания — использоваться для его обнаружения, классификации и оценки траекторий. Кроме того, подход универсален для широкого круга лабораторных установок, включая ударные и аэродинамические трубы, газодинамические и плазменные стенды, где требуется быстрая автоматическая обработка больших массивов видеоданных.

Исследования проводятся на установках физического факультета МГУ. Для обработки массивов цифровых видеоданных ученые используют как классические алгоритмы анализа изображений, так и нейросетевые модели, в том числе популярные архитектуры YOLO и ResNet.

Подход, совмещающий компьютерные науки, механику, фотонику и оптику, позволяет автоматически анализировать эволюцию структур, разрывов, определять режимы течений, отслеживать динамику микрочастиц, вихревые образования в разреженных газах, жидкостях, плазмы, отметила профессор кафедры молекулярных процессов и экстремальных состояний вещества физического факультета МГУ Ирина Знаменская.

Рецепт для планеты: как появилась жизнь на Земле

Ученые предположили, что Земля может быть куда более автономной

Распознавание в широком диапазоне задач

Работа ученых важна прежде всего с точки зрения практического применения, рассказал «Известиям» руководитель лаборатории «Моделирование природных систем» Института ИИ ИТМО Александр Хватов. По его словам, обработка сотен тысяч кадров с использованием компьютерного зрения и нейросетей сама по себе не нова, однако ключевым элементом исследования стало его масштабирование — от анализа микрочастиц до задач, связанных с космическими процессами.

— Результаты можно использовать для задач распознавания и классификации в широком диапазоне областей аэродинамики, теплообмена, моделирования плазмы, — отметил специалист.

В мире уже существуют работы по использованию глубокого обучения для исследования турбулентности, плазмы, потоков жидкости и данных высокоскоростной съемки, рассказал ведущий эксперт в области ИИ «Университета 2035» Ярослав Селиверстов.

— Новизна работы МГУ заключается в адаптации и интеграции современных методов компьютерного зрения для автоматического анализа больших массивов панорамной высокоскоростной съемки газодинамических и плазменных процессов, а также в демонстрации применимости этих методов к задачам мониторинга микрочастиц и космического мусора, — рассказал специалист.

Аналогичные направления развиваются в ведущих научных центрах мира, включая NASA, ESA, ряд китайских исследовательских институтов и другие организации, однако сильной стороной российской разработки можно назвать междисциплинарное объединение фотоники, физики высокоскоростных процессов и искусственного интеллекта в рамках единой системы автоматизированного анализа, отметил Ярослав Селиверстов.

— В мировом тренде это соответствует переходу от простой визуализации физических экспериментов к их интеллектуальной интерпретации, когда алгоритмы не только «видят» изображение, но и автоматически извлекают из него физически значимую информацию, — сказал эксперт.

Работа опубликована в журнале ActaAstronautica и выполнена в рамках госзадания МГУ.​