Разработка ПО компьютерного зрения для детекции микропластика в воде.

Идея проекта
Разработать ПО компьютерного зрения ГидроСенс Пластик для автоматической детекции, классификации и подсчета частиц микропластика в воде, заменив трудоемкий и субъективный ручной анализ под микроскопом.

Цель проекта
Создать и валидировать программное решение на основе глубокого обучения, которое обеспечит быстрый, объективный и масштабируемый мониторинг микропластика в водных объектах для государственных, научных и корпоративных организаций.

Задачи проекта

1. Собрать и размеченный датасет изображений частиц микропластика (волокна, фрагменты, гранулы, пленки) в водной среде.
2. Разработать и обучить алгоритм компьютерного зрения с целевыми метриками Precision/Recall не менее 90% и возможностью детекции частиц размером от 50 мкм.
3. Создать программное обеспечение (локальное или облачное) для автоматической обработки проб, выдающее структурированный отчет за минуты.
4. Внедрить алгоритм в пилотных проектах организаций-партнеров (Росгидромет, научные институты) и подтвердить его эффективность.

Ожидаемые результаты

1. Готовый к коммерциализации алгоритм компьютерного зрения с точностью и полнотой детекции микропластика не менее 90%.
2. Снижение времени анализа одной пробы с часов до 1 минуты на стандартном ПК.
3. Исключение субъективности и повышение воспроизводимости результатов подсчета микропластика.
4. Возможность масштабирования мониторинговых исследований (обработка большого количества проб) и получение экономии трудовых ресурсов заказчика (человеко-часы исследователей).

1. Актуальность проекта

Масштаб в океане: По разным оценкам, в мировом океане находится от 50 до 75 триллионов частиц микропластика. Его находят везде: от Марианской впадины до льдов Арктики.
Источники: Около 35% всего микропластика в океане — это синтетические волокна от стирки одежды. Еще 28% приходится на износ автомобильных шин.
Биоаккумуляция: Микропластик обнаружен у более чем 800 видов морских животных. Через пищевую цепочку он попадает к человеку — в среднем мы можем потреблять до 5 грамм пластика в неделю (вес банковской карты).

Если текущие тенденции сохранятся, к 2040 году объем пластика, попадающего в водные экосистемы, может утроиться.

Проблема загрязнения водных объектов микропластиком признана одной из ключевых экологических угроз современности. Существующие методы его анализа (микроскопия с ручным подсчетом) крайне трудоемки, субъективны и не позволяют обрабатывать большие объемы проб. Это тормозит внедрение нормативов, мониторинг со стороны государства и проведение масштабных научных исследований.

В России отсутствуют стандартизированные программные решения для автоматической детекции микропластика, что делает разработку алгоритма компьютерного зрения, адаптированного под отечественные задачи пробоотбора и оборудование, высоко востребованной.

2. Описание целевой аудитории

Проект ориентирован на организации, для которых мониторинг водных объектов является уставной или производственной задачей:

• Государственные структуры: Росгидромет (включая ААНИИ, ДВНИГМИ, ГОИН), Министерство природных ресурсов и экологии, Роспотребнадзор (для перспективного контроля питьевой воды).
• Научные организации и вузы: занимающиеся гидробиологией, океанологией, экологическим мониторингом.
• Природоохранные учреждения: заповедники и национальные парки (ООПТ).
• Корпоративный сектор: нефтегазовые и промышленные компании, осуществляющие производственный экологический контроль.

3. Ключевая проблема / задача

Проблема: Высокая трудозатратность, низкая скорость и субъективность ручного анализа проб воды на содержание микропластика. Специалисты вынуждены тратить часы на подсчет частиц под микроскопом, что ведет к высокой погрешности, невозможности масштабирования исследований и сдерживает внедрение технологий регулярного мониторинга.
Задача проекта: Разработать и валидировать алгоритм компьютерного зрения на основе глубокого обучения, который автоматически детектирует, классифицирует (по форме: волокна, фрагменты, гранулы, пленки) и подсчитывает частицы микропластика в водных средах, обеспечивая высокую скорость и объективность анализа.

4. Ценностное предложение

HydroPuMP-Sense превращает дорогостоящий, медленный и субъективный экспертный анализ в быстрый, доступный и объективный цифровой сервис. Ценность для пользователя заключается в:

• Автоматизации ручного труда: исследователь перестает быть «счетоводом», загружая образец и получая готовый структурированный отчет за минуты.
• Объективности и воспроизводимости данных: исключается человеческий фактор и усталость, алгоритм обеспечивает одинаковую точность подсчета независимо от времени суток.
• Масштабировании исследований: возможность обрабатывать на порядок больше проб, что повышает статистическую значимость результатов и качество научных публикаций.

5. Каналы продвижения

Учитывая специфику B2G (business-to-government) и B2B-сегмента, продвижение будет строиться через:

1. Участие в профильных мероприятиях: демонстрация на конференциях Росгидромета, Всероссийском водном конгрессе, отраслевых выставках «ЭкваТэк».
2. Прямые продажи и работа с госзаказчиком: участие в тендерах и запросах котировок от государственных структур (Росгидромет, Минприроды).
3. Публикация научных статей: в рецензируемых журналах (ВАК, Scopus) с подтверждением эффективности алгоритма для повышения доверия.
4. Сотрудничество с научными партнерами: пилотные внедрения в вузах и институтах (например, в РГГМУ) для создания референс-кейсов.
5. Цифровые каналы: профильный сайт с демо-версией, профессиональные сообщества (ВК, Хабр), рассылки по базам НИИ и экологических департаментов компаний.

6. Потоки доходов

1. Продажа лицензий на программное обеспечение: модель «одна лицензия на одно рабочее место» (персональный компьютер исследователя).
2. Корпоративные лицензии : для крупных организаций (НИИ, университеты, корпорации) с возможностью установки на неограниченное количество рабочих мест.
3. Сервисная подписка : доступ к веб-интерфейсу для удаленной обработки загружаемых изображений с оплатой за объем обработанных проб или по подписке.
4. Обучение и внедрение: платные услуги по установке, настройке оборудования (подбор камер/микроскопов) и обучению сотрудников заказчика.

7. Модель монетизации

Монетизация будет строиться по гибридной модели:

• Транзакционная : единоразовая продажа perpetual-лицензий с отдельной оплатой технической поддержки (первые 12 месяцев включены, далее — платное продление).
• Подписочная : для небольших лабораторий и научных групп — ежемесячная/ежегодная плата за доступ к облачному сервису анализа.
• Проектная (B2G/B2B): выполнение государственных контрактов и коммерческих НИОКР, где результатом является адаптированное под требования заказчика решение.

8. Потоки расходов

• ФОТ (основная статья): разработчики (Data Scientist, инженеры ML, Python-разработчик), аналитик, менеджер проекта, специалист по внедрению.
• Вычислительные ресурсы: аренда облачных серверов для обучения моделей (GPU-кластеры), затраты на локальное серверное оборудование.
• Сбор и разметка данных: расходы на пробоотбор (экспедиции), оплата труда лаборантов и экспертов для верификации и разметки датасета.
• Маркетинг и продажи: участие в профильных выставках, создание демонстрационного стенда, комиссии при участии в тендерах.
• Инфраструктура: офис, лицензии на ПО, техническая поддержка пользователей.

9. Ключевые метрики

1. Технические метрики:
   • Precision / Recall (Точность / Полнота): не менее 90% по детекции частиц.
   • Скорость обработки: время анализа одного изображения (цель — менее 1 минуты на стандартном ПК).
   • Размер обнаруживаемых частиц: достижение заявленного диапазона (от 50 мкм).
2. Бизнес-метрики:
   • Количество пилотных внедрений: число организаций, участвующих в тестировании..
   • Количество обработанных проб (в рамках пилотных проектов): демонстрация масштабируемости.
   • Доля рынка: количество лицензий, проданных в целевые организации (Росгидромет, НИИ и др.) по сравнению с ручным методом.
   • Экономия времени заказчика: количество человеко-часов, сэкономленных при использовании алгоритма (на одного исследователя в месяц).

10. СЕБЕСТОИМОСТЬ РАЗРАБОТКИ: 2 780 000

11. ПОТЕНЦИАЛЬНАЯ ПРИБЫЛЬ ЗА 12 МЕС.: 8 978 000

12. ТОЧКА ОКУПАЕМОСТИ ПРОДУКТА: 11 мес

13. Скрытые преимущества:

Накопление уникального датасета микропластика

С каждым анализом пробы алгоритм и команда будут накапливать размеченную базу изображений частиц микропластика (волокна, фрагменты, гранулы, пленки) в различных водных средах.

На страницу проекта