Пыльцевые зерна различных видов растений уникальны и идентифицируются по их форме. Анализ пыльцы, содержащейся в образцах, таких как керны осадков из озер, помогает ученым понять, какие растения процветали в тот или иной исторический момент, что может иметь возраст от тысяч до миллионов лет.

До сих пор ученые вручную подсчитывали типы пыльцы в отложениях или в пробах воздуха с помощью светового микроскопа, что является специализированной и трудоемкой задачей.

Теперь ученые из Эксетерского университета и Университета Суонси объединили передовые технологии, включая проточную цитометрию изображений и искусственный интеллект, чтобы создать систему, способную идентифицировать и классифицировать пыльцу с гораздо большей скоростью. Результаты их работы опубликованы сегодня в научном журнале New Phytologist.

Помимо создания более полной картины флоры прошлого, команда надеется, что эта технология однажды сможет быть применена для более точного определения пыльцы в современных условиях, что может помочь людям, страдающим сенной лихорадкой, облегчить симптомы.

Доктор Энн Пауэр из Эксетерского университета сказала:

Пыльца является важным индикатором состояния окружающей среды, и собирание воедино различных видов пыльцы в атмосфере как сегодня, так и в прошлом, может помочь нам составить картину биоразнообразия и изменения климата.

Однако распознать под микроскопом, к какому виду растений относится пыльца, невероятно трудоемко и не всегда возможно. Разрабатываемая нами система позволит значительно сократить время, затрачиваемое на это, и улучшить классификацию. Это означает, что мы сможем гораздо быстрее составить более полную картину пыльцы в окружающей среде, узнать, как менялся климат, деятельность человека и биоразнообразие с течением времени, или лучше понять, какие аллергены содержатся в воздухе, которым мы дышим.

Команда уже использовала систему для автоматического анализа керна озерных отложений возрастом 5 500 лет, быстро классифицировав более тысячи пыльцевых зерен. В прошлом специалисту потребовалось бы до восьми часов, чтобы подсчитать и классифицировать пыльцу, а новая система справилась с этой задачей менее чем за час.

Для быстрого получения изображений пыльцы в новой системе используется проточная цитометрия — технология, которая обычно применяется для исследования клеток в медицинских исследованиях. Затем был разработан уникальный тип искусственного интеллекта, основанный на глубоком обучении, для идентификации различных типов пыльцы в образце окружающей среды. Он способен делать такие различия даже при некачественном образце.

Доктор Клэр Барнс (Claire Barnes) из Университета Суонси сказала:

До сих пор разрабатываемые системы искусственного интеллекта для классификации пыльцы обучались и тестировались на одних и тех же библиотеках пыльцы, что означает, что каждый образец является идеальным и относится к видам, которые ранее были замечены сетью. Такие системы не способны распознать пыльцу из окружающей среды, которая получила несколько ударов на своем пути, а также классифицировать пыльцу, не включенную в обучающие библиотеки.

Использование уникальной версии глубокого обучения в нашей системе означает, что искусственный интеллект стал умнее и применяет более гибкий подход к обучению. Он может работать с изображениями низкого качества и использовать общие видовые характеристики, чтобы предсказать, к какому семейству растений относится пыльца, даже если система не видела ее раньше во время обучения.

В ближайшие годы команда надеется усовершенствовать и запустить новую систему, а также использовать ее для изучения пыльцы трав, которая является особым раздражителем для людей, страдающих сенной лихорадкой. Доктор Пауэр заключает:

Некоторые пыльцы трав являются более аллергенными, чем другие. Если мы сможем лучше понять, какие пыльцы преобладают в определенное время, это приведет к улучшению прогноза пыльцы, что поможет людям, страдающим сенной лихорадкой, планировать снижение ее воздействия.