Области знаний
Партнёрские проектыМатериалы БРЭСпецпроектыСтать автором
Настроить видСменить языкИнформация
О РУВИКИ
Найти статью

Digital Automated Identification System

Pause

Экспертиза РАН

Logo-ran.pngLogo-ran-black.png
Проводится экспертиза
Российской академией наук
Подробнее
Times2.svg

Экспертиза РАН

Arrow-Right.png
Logo-ran.png
Проводится экспертиза
Российской академией наук
Подробнее

Digital Automated Identification System («цифровая система автоматической идентификации», DAISY) — цифровая система автоматической идентификации биологических видов, оптимизированная для быстрого распознавания беспозвоночных, прежде всего насекомых, людьми без специальной подготовки — полевыми помощниками профессиональных систематиков[1]. Программа обучается на эталонных изображениях образцов, определённых специалистами, и после обучения самостоятельно относит новый снимок к одному из известных ей видов[2]. Создатели рассчитывали отдать машинам рутинные определения, оставив людям спорные и сложные случаи[3]. Система была разработана Марком О’Ниллом в середине 1990-х годов и доведена до веб-доступного образца, способного в близком к реальному времени режиме разбирать группы из нескольких сотен таксонов[2].

Ключевая идея создателей — снять «таксономический барьер»: специалистов, способных точно определить вид, немного, а потребность в определениях существует везде, где ведётся мониторинг биоразнообразия[4]. DAISY работает через веб-интерфейс и веб-службу: снимок объекта достаточно отправить на сервер, и идентификация занимает секунды[1]. Помимо картинок система обучается на оцифрованных звуках, химических спектрах и молекулярных данных, что делает её универсальным инструментом сопоставления образов[1].

Общие сведения
Что важно знать
Digital Automated Identification System
Область использования автоматическое определение видов по цифровым данным
Дата появления 1995
Автор понятия Марк О’Нилл
Ключевые слова биоразнообразие, таксономия, компьютерное зрение, распознавание образов
Базовые понятия нейронная сеть, самоорганизующаяся карта, морфометрия, определитель

История

Замысел и проект «Дарвина»

По словам создателя, идея возникла в 1988 году, когда он вместе с палеонтологом Норманом Маклаудом провёл ночь в аэропорту Коста-Рики. Собеседники обсуждали, как технологическое общество могло бы справиться с «таксономическим узким местом»: значительная часть работы по биоразнообразию не выполняется просто потому, что людей и ресурсов для определения уже известных видов нет[2]. Этот «узкий пункт» систематики много лет числился среди главных барьеров биологии[3]. О’Нилл, инженер с образованием в области физики и страстный натуралист-любитель, не был профессиональным энтомологом, но именно это положение вне академической среды, по его словам, помогло взглянуть на задачу по-новому[2].

В апреле 1997 года под эгидой британской инициативы «Дарвин» стартовал проект 6050 «Автоматизация идентификации насекомых для инвентаризации костариканского биоразнообразия» под руководством энтомолога Музея естествознания Яна Голда[5]. Дополнительный выигрыш даёт отказ от пересылки образцов: определение идёт по изображению, а сам образец остаётся в хранилище[1]. Задачей проекта была рабочая система, позволяющая не-специалистам определять виды целевой группы насекомых, а также подготовка костариканских коллег к самостоятельному построению автоматических определителей для других организмов[5]. К марту 2000 года система была разработана и установлена в университете Коста-Рики и в Лондонском музее[5]. Побочными результатами стали две таксономические монографии, три научные статьи, пополненные эталонные коллекции и четверо обученных студентов[5].

Tumbling Dice и музейные годы

Права на систему в феврале 2000 года, по завершении финансируемого проекта, приобрела компания О’Нилла Tumbling Dice из Ньюкасл-апон-Тайна[6]. Проектная документация отмечала, что система «консервирует» таксономические знания и опыт навсегда и избавляет страны от необходимости создавать дорогие референсные коллекции из хрупкого и скоропортящегося материала[6].

В августе 2005 года Музей естествознания представил DAISY как элемент своего видения будущего систематики. До того образец приходилось везти специалисту — порой через полмира; теперь же достаточно сфотографировать находку камерой мобильного телефона, и определение сделает компьютер за считанные секунды[4].

Развитие в 2010-е годы

К 2010 году О’Нилл развивал систему уже около восемнадцати лет, испытывая трудности с грантами из-за нетрадиционного для науки положения вне академической среды; тем не менее пилотные испытания в разных странах доказали состоятельность подхода[2]. Под влиянием результатов Маклауд убедил музей поддержать DAISY существенным финансированием, и темпы работ резко выросли[2]. Тогда же журналист журнала Science описала планы веб-платформы для определения насекомых по снимкам с мобильного телефона. Замысел принадлежал к «гражданской науке»: собирались привлечь широкую публику. Среди коммерческих применений назывались распознавание номеров моделей потребительских товаров и различение видов фораминифер — микроскопических простейших, чьи комплексы в кернах служат основой биостратиграфии при поиске новых месторождений нефти[2].

undefined

Принцип работы

Алгоритм

В основе DAISY лежит алгоритм самоорганизующейся карты: после обучения на наборе эталонных изображений из таксономических записей система автоматически распознаёт предъявленное насекомое[2]. В отличие от распознавания отпечатков пальцев, сопоставляющего лишь семь—десять характерных точек, алгоритм DAISY использует всё изображение целиком[2]. Такой класс методов относится к распознаванию образов: машина извлекает из изображения числовые признаки и относит его к одному из заранее заданных классов[7]. Компьютерное зрение как дисциплина решает ту же задачу для фотографий и видеопотока — от выделения границ до классификации сцены[7].

Обучение проводится на авторитетно определённых образцах из музейных и лабораторных коллекций, поэтому качество определителя напрямую зависит от полноты и корректности эталонного набора[4]. Каждому классу соответствует пачка эталонных снимков, и чем полнее пачка, тем устойчивее карта признаков отделяет близкие виды друг от друга[8]. Параметры обработки входного изображения и формат результата настраиваются под конкретную задачу классификации[1]. Авторы подчёркивают, что система продолжает учиться по мере работы, повышая точность со временем[1].

undefined

Источники данных

Универсальность системы обеспечивается тем, что сопоставлению поддаются любые цифровые данные об объекте: двумерные и трёхмерные изображения, звуки, химические спектры и молекулярные данные, включая изображения гелей[1]. В проектные годы система нацеливалась прежде всего на признаки крыльев насекомых; научная литература отмечает, что DAISY определяла наездников по очертаниям крыльев, а применялась также к мокрецам и бабочкам[9]. Разработчики описывали DAISY как «универсальную систему идентификации», которой безразлична природа данных — важно лишь, чтобы классы были представлены эталонами[1].

Процедура идентификации

После подачи объекта на распознавание процесс полностью автоматизирован[1]. Типовая выборка из семидесяти—трёхсот классов идентифицируется за одну—три секунды на обычном персональном компьютере, что позволяет применять систему в реальном времени — например, прямо в лаборатории при поступлении нового образца[1]. Пользователям доступны графический и веб-интерфейсы, система масштабируется: новые пользователи и классы добавляются без заметной потери скорости, а информационный вывод настраивается — например, при определении насекомого можно показать его экологию или рекомендованный пестицид[1]. Поддерживается пакетный режим для массовой обработки и доступ через веб-службу со смартфона или центрального сервера[1].

undefined

Применение

Биоразнообразие и музейные коллекции

Исходное назначение DAISY — инвентаризация и мониторинг биоразнообразия силами стран, богатых видами, но бедных таксономистами[6]. Быстрый предварительный разбор образцов рассчитывался на людей без специальной подготовки: система задумывалась как рабочий инструмент полевых станций и национальных программ учёта природы[1]. Система ускоряет рутинные определения, которые в чистой и прикладной биологии давно считаются сдерживающим фактором исследований; обзор Королевского общества называл рутинную идентификацию образцов одним из главных ограничителей работ[3]. Масштаб задачи задаёт само разнообразие насекомых, описанное в сводке Футтита и Адлера[10]. Музейные диагностические изображения, прогоняемые через DAISY, открывают удалённым специалистам доступ к национальным коллекциям без пересылки хрупких образцов[6].

Сельское хозяйство

Сельскохозяйственное применение связано с различением вредных и безвредных насекомых: система помогает опознать вредителя до того, как потребуются химические обработки, сокращая расход инсектицидов на плантациях[1]. Задача оперативного распознавания вредителей остаётся актуальной для растениеводства и доныне[1]. Наука о описании видов для таких задач опирается на классические процедуры таксономии[11].

Поиск полезных ископаемых

Доступ к экспертизе через веб-службу открыл и промышленную нишу: среди заявленных применений — различение видов фораминифер, микроскопических простейших с раковинами, чьи комплексы используются при поиске новых месторождений нефти[2]. Информация об экологии и распространении определённых организмов может выдаваться пользователю вместе с результатом[1].

Практические характеристики

Система развёртывается как автономно, так и в вычислительных кластерах и на серверах; заявлена работа на настольных и портативных компьютерах и даже смартфонах, так что стоимость оборудования не становится барьером[1]. Совместимость со смежными продуктами позволяет, например, автоматически подавать на идентификацию кадры с камер наблюдения[12].

undefined

Восприятие и ограничения

Публикация в журнале Science познакомила широкую аудиторию с системой и её создателем: корреспондент описывала О’Нилла как «инженера-энтомолога-предпринимателя», восемнадцать лет ведущего проект вопреки трудностям с грантами[2]. Отмечались высокие результаты пилотных испытаний и необычный для науки путь разработки вне академических структур[2]. Вместе с тем обзор Королевского общества честно разбирает причины, по которым автоматическая идентификация не стала массовой: задачу считают слишком трудной, слишком «угрожающей» для профессии, слишком непривычной или слишком дорогой[3]. Авторы обзора возражают, что реальные технические препятствия преодолимы, а развитие направления чаще тормозят недостаток видения и предприимчивости[3]. Рутинные определения образцов при этом остаются ежедневной нагрузкой и фундаментальной, и прикладной биологии[3].

Точность сопоставления зависит и от условий съёмки: система обрабатывает поданное изображение целиком, поэтому нестандартный ракурс или освещение способны исказить признаки[1]. Сравнение с ДНК-штрихкодированием в прессе 2010 года складывалось в пользу DAISY по простоте и цене, хотя стоимость баркодинга к тому времени уже упала примерно до одного доллара за образец[2].

Место среди методов идентификации

Классическая альтернатива автоматике — определительные таблицы: последовательный перебор диагностических признаков по дихотомической схеме, требующий специалиста на каждом шаге[13]. Сама процедура описания и именования вида — от фиксации образца до публикации диагноза — стандартизирована руководствами по таксономической практике[11]. Количественный подход образуют методы морфометрии. В исследованиях медоносных пчёл видовая и породная принадлежность устанавливается по координатам девятнадцати ориентиров на переднем крыле[14], а геометрическая морфометрия крыла комнатной мухи по семнадцати ландмаркам выявляет различия даже между селекционными линиями[15].

Направление автоматической таксономической идентификации обобщено в сборнике Маклауда, где разработчики систем описали и собственный опыт[16]. DAISY принадлежит первому поколению автоматических определителей на искусственных нейронных сетях; современные системы распознавания пошли по пути глубокого обучения[17]. Нейронные свёрточные сети определяют иксодовых клещей по фотографиям на архитектурах AlexNet и VGG[18]. Детекторы на базе Mask R-CNN отслеживают и описывают поведение муравьёв на полевых видеозаписях, распознавая границы особей с точностью девяносто два процента[19]. Автоматическая идентификация по очертаниям крыльев развивается и после DAISY: программа DAIIS с машиной опорных векторов доводит точность определения аскалафов по крылу до девяноста—девяноста восьми процентов[9]. В повседневной практике нишу фотографических определений заняли сервисы гражданской науки, о которых мечтал О’Нилл ещё в 2010 году[2]. Сообщество iNaturalist собирает наблюдения натуралистов со всего мира и сопоставляет свежие снимки с накопленной базой[20], а растительный определитель Pl@ntNet определяет виды по фотографиям, загружаемым в Интернет[21].

undefined

Примечания

  1. ↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Daisy (англ.). tumblingdice.co.uk. Tumbling Dice Ltd. Дата обращения: 17 октября 2026.
  2. ↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Reed S. Pushing DAISY (англ.). Science. American Association for the Advancement of Science. Дата обращения: 17 октября 2026.
  3. ↑ 1 2 3 4 5 6 Gaston K. J., O'Neill M. A. Automated species identification: why not? (англ.). Philosophical Transactions of the Royal Society B. The Royal Society. Дата обращения: 17 октября 2026.
  4. ↑ 1 2 3 DAISY vision for systematics (англ.). Natural History Museum. The Trustees of NHM (22 августа 2005). Дата обращения: 17 октября 2026.
  5. ↑ 1 2 3 4 Automating Insect Identification for Inventorying Costa Rican Biodiversity, Ref. 6050 (англ.). Darwin Initiative. Department for Environment, Food and Rural Affairs. Дата обращения: 17 октября 2026.
  6. ↑ 1 2 3 4 Overview of the DAISY Project (англ.). tumblingdice.co.uk. Tumbling Dice Ltd. Дата обращения: 17 октября 2026.
  7. ↑ 1 2 Szeliski R. Computer Vision: Algorithms and Applications. — Springer, 2010. — ISBN 978-1-84882-935-0.
  8. ↑ Watson A. T., O'Neill M. A., Kitching I. J. Automated identification of live moths (Macrolepidoptera) using Digital Automated Identification System (DAISY) (англ.). Systematics and Biodiversity. Taylor & Francis. Дата обращения: 17 октября 2026.
  9. ↑ 1 2 Yang H.-P., Ma C.-S., Wen H., Zhan Q.-B., Wang X.-L. A tool for developing an automatic insect identification system based on wing outlines (англ.). Scientific Reports. Springer Nature. Дата обращения: 17 октября 2026.
  10. ↑ Foottit R. G., Adler P. H. Insect Biodiversity: Science and Society. — Wiley-Blackwell, 2017. — ISBN 978-1-118-94553-7.
  11. ↑ 1 2 Winston J. E. Describing Species: Practical Taxonomic Procedure for Biologists. — Columbia University Press, 1999. — ISBN 978-0-231-06824-6.
  12. ↑ Rana (англ.). tumblingdice.co.uk. Tumbling Dice Ltd. Дата обращения: 17 октября 2026.
  13. ↑ Brower A. V. Z., Schuh R. T. Biological Systematics: Principles and Applications. — Cornell University Press, 2021. — ISBN 978-1-50175-277-3.
  14. ↑ Гузенко Е. В., Царь А. И., Лемеш В. А. Методы идентификации таксономической принадлежности медоносных пчёл Apis mellifera L. // Молекулярная и прикладная генетика. — 2022. — Т. 32.
  15. ↑ Ахметкиреева Т. Т., Беньковская Г. В., Васильев А. Г. Изменчивость формы и размеров крыла в селектированных по продолжительности жизни линиях Musca domestica L.: геометрическая морфометрия // Экологическая генетика. — 2018. — Т. 16, вып. 1.
  16. ↑ MacLeod N. Automated Taxon Identification in Systematics: Theory, Approaches and Applications. — CRC Press, 2007. — ISBN 978-0-8493-8205-5.
  17. ↑ Goodfellow I., Bengio Y., Courville A. Deep Learning. — MIT Press, 2016. — ISBN 978-0-262-03561-3.
  18. ↑ Коровкин А. М. Видовая идентификация иксодовых клещей по фотографиям с помощью нейронной сети // Информационные и математические технологии в науке и управлении. — 2018. — Вып. 3 (11).
  19. ↑ Московская Е. Д., Бургов Е. В., Московский А. Д., Гревцова Н. А. Система распознавания, отслеживания и описания поведения муравьёв на видеозаписи, сделанной в полевых условиях // Программные продукты и системы. — 2024. — Т. 37, вып. 1.
  20. ↑ A Community for Naturalists (англ.). iNaturalist. California Academy of Sciences and National Geographic Society. Дата обращения: 17 октября 2026.
  21. ↑ Pl@ntNet identify (англ.). identify.plantnet.org. Pl@ntNet Project. Дата обращения: 17 октября 2026.

Литература

Ссылки

  • Деятельность компании Meta Platforms Inc., владеющей социальными сетями Facebook, Instagram и мессенджером WhatsApp, признана экстремистской и запрещена на территории Российской Федерации по решению Тверского районного суда от 21.03.2022 года по делу № 02-2473/2022

Дополнительно по теме

Категории

Pause