Приложение 3

1.

Приложение № 3 к протоколу Коллегии
ФГБНУ «ВНИРО» № 5 от 23.12.2022 г.
Цифровизация научных исследований
и информационного обеспечения
рыбохозяйственной отрасли
Кожурин Ефим Алексеевич
Руководитель Азово-Черноморского
филиала ФГБНУ «ВНИРО» («АзНИИРХ»)
Коллегия ФГБНУ «ВНИРО»
г. Москва, 23-24 декабря 2021 г.

2. Цифровизация научных исследований / Основные задачи и направления

Цифровизация процесса
сбора и обработки данных:
машинное зрение;
искусственный интеллект;
геоинформационные
системы;
системы управления базами
данных;
модули аналитической
обработки больших
массивов данных.
Анализ, обработка и хранение
данных в единой
информационной базе ВНИРО;
Анализ больших массивов
данных самообучающими
программными средствами с
использованием искусственного
интеллекта;
Подготовка оперативных
аналитических материалов для
принятия управленческих
решений
2

3.

Цифровизация научных исследований /
Актуальные программные продукты
Информация и базы данных
• Реляционная база данных “Ихтиологические журналы”
• Реляционная база данных “Судовые суточные донесения”
• Базы данных: “фитопланктон”, “зоопланктон”, “зообентос”
Инструменты анализа
• Биостатистика
• Fishery 2.0
• FishingMap
• SsdAnalysis
• SimpleXSA, IEA-PCA, MFA, JABBA, CMSY & BSM
Инструмент - FishingMap
Инструмент - Биостатистика
Моделирование и Искусственный Интеллект (ИИ)
• Популяционный анализ (кагорная модель XSA,
продукционные модели, индикаторные и трендовые
модели)
• Экосистемный анализ (методы PCA, MFA)
• Машинное обучение и ИИ для оперативного
прогнозирования
3

4.

Базы данных и систематизация
информации
Карта-схема организации БД по
промысловым беспозвоночным
(«Артемия»)
Введены в эксплуатацию:
•БД зоо- и фито-планктона Азовского и
Чёрного моря
Идёт разработка:
•БД по бентосу Азовского и Чёрного моря
•Всероссийская БД по промысловым
бепозвоночным («Артемия») под
кураторством Отдела беспозвоночных
внутренних вод ЦА ФГБНУ «ВНИРО»
Техническая структура БД
«Артемия»
4

5.

Программы и инструменты анализа баз
данных
Программа “FishingMap” - визуализация
уловов на судосутки за 2021 г. (т/км2)
Анализ данных - Fishery 2.0 позволяет:
FishingMap позволяет обработать и
1. Выполнить гео-пространственную
пространственно отобразить:
1. Суда, уловы и количество часов тралений визуализацию распределения и биомассы
2. Улов на единицу площади и на единицу ВБР по данным научных съёмок
2. Выполнить расчет статистических
промыслового усилия (час траления)
показателей - биомасса запаса,
3. Вероятностные треки тралений судов и
численность и др.
5
места массового промысла

6.

Моделирование и искусственный
интеллект
SimpleXSA - моделирование динамики
черноморского шпрота (1994-2020 гг.)
а)
Структура связей пелагической
экосистемы Чёрного моря (IEAPCA)
б)
в)
г)
a) Численность пополнения в возрасте 0+, (шт)
б) нерестовая биомасса запаса, (т)
в) пром.смертность г) суммарный годовой вылов
Позволяет определить лимитирующие
факторы формирования запаса (шпрот)
6

7.

Моделирование и искусственный
интеллект
Модель DAP - русский осетр (Азовское
море)
ретро
Этап I - настройка параметров модели, при которых
она может описать состояние популяции в прошлом в
соответствии с результатами научных съёмок.
прогноз
Этап II - проигрывание различных сценариев
состояния запаса осетра в будущем в
зависимости от численности выпуска молоди и
уровня ННН.
7

8.

Моделирование и искусственный
интеллект
сайт:
fiai.azniirkh.ru
Температура
Результат пространственного прогноза
благоприятных зон промысла нейронной сетью.
Точность - 83%.
Соленость
Искусственный
интеллект
AI
Течени
я
Оперативное прогнозирование благоприятных промысловых зон для
черноморского шпрота выполняется обученной нейронной сетью без участия
человека и экспертного мнения. Обучение выполнено на основе данных:
температура, солёность, течения, кислород, точки тралений.
8

9.

Моделирование и искусственный
интеллект
Выявление и распознавание образов при помощи методов
компьютерного зрения и ИИ - глубокая нейронная сеть
(YoloV5 Darknet)
Перспективное направление на основе
методов искусственного интеллекта и
компьютерного зрения для осуществления
бесконтактного мониторинга водных
биоресурсов и осуществления видео съёмок.
Данные методы позволят без участия эксперта
в режиме реального времени выполнять
распознавание водных биоресурсов, вести их
учёт и выполнять видовую детерминацию.
Алгоритм распознавания был испытан в 2021
г., а в предстоящем 2022 г. планируется
расширение этих работ - сборка тестового
стенда и его апробация в реальных условиях.
9

10.

Моделирование и искусственный
интеллект
Модель переноса и седиментации взвеси в водных объектах «Взвесь 3D»
Модель «Взвесь 3-D»
используется для
природоохранной и
внебюджетной деятельности по
расчету ущерба гидробионтам от
антропогенного воздействия .
В дальнейшем планируется
адаптировать данную модель
для моделирования
распространения личинок
моллюсков.
10