КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ
Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.
ОБЩИЕ СВЕДЕНИЯ
Номер проекта 25-19-00551
НазваниеБиосенсоры для обнаружения загрязняющих веществ в морской среде для автономных, буксируемых и зондирующих систем
Руководитель Вышкваркова Елена Васильевна, Кандидат географических наук
Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Федеральный исследовательский центр "Институт биологии южных морей имени А.О. Ковалевского РАН" , г Севастополь
Конкурс №104 - Конкурс 2025 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»
Область знания, основной код классификатора 09 - Инженерные науки; 09-608 - Инженерно-технические и информационные автоматизированные системы мониторинга биоресурсов, биосферы и технических систем
Ключевые слова биомониторинг, биосенсоры, гидробионты, машинное обучение, компьютерное зрение
Код ГРНТИ87.19.81
ИНФОРМАЦИЯ ИЗ ЗАЯВКИ
Аннотация
Загрязнение морской среды, вызванное выбросами тяжелых металлов, нефти, химических соединений и микробиологических агентов, представляет серьезную угрозу для морских экосистем и здоровья человека. Традиционные программы мониторинга воды недостаточны для обеспечения 24-часового контроля, поскольку они организованы путем точечного отбора проб в заранее установленные периоды времени. Существующие системы контроля, основанные преимущественно на физико-химических методах, трудоемки, дорогостоящи, дают фрагментарные сведения, охватывают традиционный узкий круг загрязняющих агентов, не обеспечивают непрерывного мониторинга и своевременного обнаружения внезапного выброса загрязнений. Объективная оценка состояния водных экосистем невозможна без использования биологических методов экологического мониторинга. В настоящее время для контроля вод во всех сферах современного водопользования широко и успешно используются биоэлектронные системы, чье действие основано на регистрации поведенческих реакций живых организмов, так называемые системы раннего реагирования (BEWS – Biological Early Warning Systems). В качестве биосенсоров в таких системах используются двустворчатые моллюски, водоросли, ракообразные, рыбы и другие организмы. На основе знаний об изменениях поведения морских животных вследствие воздействия на них загрязняющих веществ в проекте планируется создать новый биосенсор, который будет интегрирован в автоматизированную систему биомониторинга водной среды. В ходе выполнения проекта будут отобраны кандидаты из числа аборигенных и инвазивных видов гидробионтов Азово-Черноморского региона на роль биосенсоров с информативным выходным сигналом и исследована возможность их применения в автономных, буксируемых и зондирующих системах. Будет создан прототип биосенсора и системы биомониторинга в целом. Будут проведены лабораторные эксперименты для оптимизации чувствительности, избирательности и стабильности биосенсоров в условиях, имитирующих морскую среду. и натурные испытания, а также натурные испытания разработанного прототипа для оценки работоспособности и стабильности. Методы машинного обучения и технологии компьютерного зрения будут применены для обнаружения аномалий в получаемых с комплекса данных и автоматизации формирования сигнала тревоги в случае обнаружения загрязнения. Эти разработки позволят создать основу для комплексных систем, обеспечивающих раннее обнаружение и локализацию источников загрязнения в морской среде.
Ожидаемые результаты
Основная цель проекта – создание биосенсора для биологической системы раннего оповещения на основе аборигенных и инвазивных видов гидробионтов Азово-Черноморского региона.
Проект направлен на решение проблемы экологического мониторинга в морской среде, используя передовые методы биомониторинга и анализа данных. Научная значимость проекта заключается в его междисциплинарном подходе, объединяющем экологическое приборостроение, морскую биологию, компьютерное зрение и машинное обучение. Применение биосенсоров для мониторинга загрязнений, наряду с методами компьютерного зрения и машинного обучения, обеспечивает соответствие проектных решений современным мировым тенденциям в области цифровизации и автоматизации экологического мониторинга. Проект будет способствовать разработке новых подходов к биомониторингу морской среды, а его результаты могут быть использованы в рамках глобальных программ по защите океанов и водных ресурсов.
При реализации проекта:
- будет разработан эффективный биосенсор на основе аборигенных и инвазивных видов гидробионтов Азово-Черноморского региона для обнаружения загрязняющих веществ;
- создана лабораторная установка для исследования поведенческих реакций выбранных биосенсоров в условиях, имитирующих морскую среду;
- создана и систематизирована база данных с поведенческими реакциями биосенсоров на различные концентрации загрязняющих веществ;
- разработаны алгоритмы, автоматически анализирующие поведенческие изменения биосенсоров и выделяющие аномалии, указывающие на загрязнение;
- разработан и испытан макет автономной системы, которая включает биосенсоры, систему анализа данных и передачи информации в режиме реального времени.
Внедрение системы биомониторинга позволит оперативно реагировать на случаи загрязнений, минимизируя вред для морских экосистем. Это особенно важно для прибрежных регионов, где высока зависимость местного населения от морских ресурсов. Использование автономных биосенсорных систем снизит расходы на мониторинг по сравнению с традиционными методами. Промышленные предприятия смогут проводить более экономичный экологический контроль, что положительно отразится на эффективности работы и снизит издержки, связанные с потенциальными экологическими рисками. Раннее обнаружение загрязнений, благодаря созданной системе мониторинга, повысит уровень экологической безопасности и улучшит качество жизни для населения прибрежных регионов. Экологически чистая среда способствует поддержанию здоровья населения и снижению рисков, связанных с загрязнением воды. Проект откроет возможности для создания новых экологически значимых продуктов, которые можно будет адаптировать для мониторинга различных экосистем и внедрять в систему государственной экологической безопасности. Возможность коммерциализации таких продуктов, как автономные биосенсоры, позволит вывести проект на рынок и повысить его устойчивость и значимость в экономике.
Реализация проекта будет способствовать сохранению морских экосистем и предотвращению загрязнения, что улучшит здоровье населения, особенно в прибрежных зонах, подверженных промышленным выбросам. В долгосрочной перспективе применение таких систем позволит быстрее реагировать на загрязнения, что обеспечит более устойчивую экологическую обстановку. Разработанные технологии могут быть внедрены в экспедиционной деятельности и в портах для экологического контроля воды, снижая затраты на мониторинг и увеличивая точность выявления загрязнений. Интеграция в существующие автоматизированные системы и зондирующие установки повысит качество и эффективность экологического мониторинга в акваториях.
ОТЧЁТНЫЕ МАТЕРИАЛЫ
Аннотация результатов, полученных в 2025 году
В течение первого года реализации проекта выполнены комплексные исследования, направленные на создание прототипа биологической системы раннего оповещения о загрязнении морской среды. Основная концепция системы основана на регистрации поведенческих реакций высокочувствительных гидробионтов (биосенсоров) на присутствие токсикантов. Работы включали теоретический анализ, лабораторные эксперименты и разработку программно-аппаратных решений для автоматизированного мониторинга.
Проведен систематический обзор научной литературы для оценки потенциала планктонных и бентосных организмов Черного моря в качестве биосенсоров. Разработана многокритериальная система оценки, включающая три группы параметров: биологические (чувствительность к поллютантам, специфичность ответа, экологическая репрезентативность, доступность); технические (размер, контрастность, стереотипность поведения, скорость движения) и практические (устойчивость в лаборатории, легкость культивирования).
Проанализированы ключевые таксоны черноморского планктона (9 видов) и бентоса (5 групп). Обобщены механизмы токсического действия основных классов загрязняющих веществ (нефтепродукты, тяжелые металлы, пестициды, микропластик) и иерархия поведенческих реакций гидробионтов на стресс.
Выделены наиболее перспективные виды-кандидаты. Для планктона – медуза Aurelia aurita (универсальный биосенсор для общего скрининга), гребневик Mnemiopsis leidyi (специализированный сенсор на тяжелые металлы по биолюминесценции), копепода Acartia tonsa (сенсор на следовые концентрации металлов и пестицидов). Для бентоса – многощетинковый червь Hediste diversicolor, амфипод Gammarus aequicauda, моллюск Rapana venosa и усоногий рак Amphibalanus improvisus.
Создана и апробирована лабораторная установка для видеорегистрации поведенческих реакций гидробионтов в контролируемых условиях. Проведены пилотные эксперименты с воздействием дизельного топлива на медуз (A. aurita) и гребневиков (M. leidyi, B. ovata). Установлено, что A. aurita демонстрирует детектируемые изменения поведения (прекращение активного плавания, изменение ориентации) уже через 30 минут, что подтвердило ее приоритетность для дальнейших исследований. Выполнена серия контролируемых экспериментов с медузами A. aurita и водорастворимой фракцией дизельного топлива (WAF). Зафиксированы четкие поведенческие реакции в течение первого часа экспозиции. Проведен пилотный эксперимент с усоногим раком Amphibalanus improvisus, подтвердивший его жизнестойкость в лабораторных условиях и потенциал для дальнейших исследований.
Определены ключевые регистрируемые параметры (биомаркеры) для A. aurita: частота и амплитуда пульсаций купола, ориентация в толще воды, скорость плавания, признаки иммобилизации.
Для обработки видеоданных, полученных в экспериментах, разработаны и апробированы алгоритмы компьютерного зрения. Выполнен анализ особенностей экспериментальных сцен (полупрозрачность объекта, статичный фон, отражения). Реализован и протестирован программный алгоритм на Python (OpenCV) для автоматического отслеживания медузы A. aurita. Алгоритм использует комбинированный подход – цветовую сегментацию и выделение движущихся областей методом плотного оптического потока (Фарнбек).
Проведен аналитический обзор для обоснования применения технологии Tiny Machine Learning (TinyML) в автономных биосенсорных системах. Обоснованы критерии выбора микроконтроллерных платформ в зависимости от типа данных (контактные датчики, инерциальные измерения, видеопоток) и энергетических ограничений (например, STM32L4, ESP32, ESP32-S3). Систематизированы методы эффективного извлечения признаков из временных рядов данных (статистические и спектральные характеристики на скользящих окнах) для последующей классификации компактными моделями (деревья решений, SVM, малые нейросети). Проанализированы методы адаптации моделей машинного обучения (квантование, дистилляция) под жесткие аппаратные ограничения периферийных устройств для реализации классификации поведенческих состояний непосредственно на борту датчика.
Разработан эскизный проект прототипа биосенсора с использованием A. aurita, включающий многокамерный аквариум с проточной системой и системой видеорегистрации. Выполнен анализ влияния гидродинамических факторов (течение, турбулентность) на поведение гидробионтов. Сделан вывод о необходимости учета этих факторов для исключения ложных срабатываний и важности калибровки систем под конкретные условия эксплуатации. Изготовлена лабораторная установка для динамических испытаний биосенсоров в контролируемых гидродинамических условиях. Проведение экспериментов на данной установке запланировано на следующий год.
Создана первичная структурированная база данных, включающая 51 видеозапись экспериментов с A. aurita и воздействием WAF дизельного топлива. Сопутствующие метаданные оформлены в формате Excel-таблиц: дата/время, размер особи, параметры среды (температура, соленость), информация о токсиканте.
Выполненные работы создали фундамент для дальнейших исследований в рамках проекта, включающих углубленные эксперименты, совершенствование алгоритмов анализа и сборку функционирующего прототипа биосенсорной системы.
Публикации
1. Греков А.Н., Вышкваркова Е.В., Баяндина Ю.С. Машинное обучение на микроконтроллерах для биологических систем раннего обнаружения загрязнений водных сред Экологические системы и приборы, №12, с. 13-22 (год публикации - 2025)