Адаптация инструментов искусственного интеллекта в программные оболочки морской робототехники в задачах обеспечения экологической безопасности морских акваторий при разливах нефтепродуктов

Задачи, которые должны выполнять беспилотные воздушные суда (БВС) в морских приложениях, становятся всё более комплексными и требуют исполнения сразу нескольких функционалов. Для успешного выполнения миссий БВС в этих приложениях требуется решение сразу нескольких задач, которые осуществляют навигацию всей системы и отдельно каждого её агента, взаимодействие между агентами системы и выполнение непосредственно той миссии, которая поставлена перед мультиагентной системой. Для решения задач, входящих в каждый функционал, разрабатываются новые и адаптируются уже имеющиеся инструменты искусственного интеллекта. Однако, комплексность всей миссии требует, как правило, разработки инструментов ИИ, которые обеспечивают: взаимодействие всех функций, принятие решений на основе анализа результатов работы каждого из них, постоянной корректировки процесса исполнения заданий с учётом условий окружающей среды. В данной работе приведены результаты разработки узкоспециализированных инструментов ИИ, необходимых для выполнения функциональных возможностей миссии обеспечения экологической безопасности морских акваторий при разливах нефтепродуктов. Описаны результаты адаптации специализированных нейронных сетей и методов глубокого обучения для исполнения миссии обеспечения экологической безопасности: мониторинга морской поверхности и ликвидации плёнок нефтепродуктов методом распыления диспергентов с БВС. Приведены результаты тестирования разработанных инструментов ИИ (первичной и вторичной сегментации плёнок нефтепродуктов на морской поверхности, распознавания сортов нефтепродуктов в разливах) на реальных разливах нефтепродуктов, которые регистрировались на акватории Амурского залива в период с 2019 по 2024 г. г. Обсуждаются основные требования к инструментам ИИ, которые должны обеспечить взаимодействие функционалов и комплексность исполнения всей миссии мультиагентной системы. Эти инструменты обеспечивают более высокий уровень ИИ и приближаются к области разработок инструментов сильного ИИ. The tasks that UAVs must perform in marine applications are becoming increasingly complex and require the execution of several functionalities at once. To successfully complete UAV missions in these applications, it is necessary to execute functionalities that perform navigation of the entire system and each of its agents separately, interaction between system agents and the execution of tasks assigned to the multi-agent system. To solve the problems included in each functionality, new artificial intelligence tools are developed and existing ones are adapted. However, the complexity of the entire mission requires, as a rule, the development of AI tools: which ensure the interaction of all functionalities, decision-making based on the analysis of the results of each of them, and constant adjustment of the process of executing functionalities taking into account environmental conditions. This paper presents the results of the development of specialized AI tools necessary for the mission of ensuring the environmental safety of marine waters during oil spills. The article describes the results of the development and adaptation of specialized neural networks and deep learning methods for the implementation of the main functionalities of this mission: the functionality of monitoring the sea surface and the functionality of eliminating oil slicks by spraying dispersants from БВСs. The results of testing the developed AI tools on real oil spills that were recorded in the waters of the Amur Bay from 2019 to 2024 are presented. The main requirements for AI tools that should ensure the interaction of functionalities and the comprehensiveness of the execution of the entire mission of the multi-agent system are discussed. These tools provide a higher level of AI and are approaching the field of development of strong AI tools.