Investigadores de las Universidades de Granada (UGR) y Almeria han creado un sistema basado en inteligencia artificial para el reconocimiento y conteo de ballenas en los oceanos a partir de imagenes por satelite. La aplicacion resulta mas exacta y economica que los modelos utilizados hasta el momento, ademas esta disponible de manera libre y gratuita para todos los actores implicados en la proteccion de cetaceos y otras especies amenazadas como focas, leones marinos o pingüinos.

Los investigadores, que publican su estudio en la revista Scientific Reports, utilizan una tecnica llamada aprendizaje profundo, donde se aplica una serie de algoritmos de aprendizaje automatico en el marco de una arquitectura conocida como redes neuronales convolucionales profundas.

Estos algoritmos y neuronas artificiales funcionan de una manera muy similar a la corteza visual humana. Es decir, tienen la capacidad de aprender y diferenciar automaticamente distintos objetos a partir de una gran cantidad de imagenes para luego hacer predicciones correctas sobre otras nuevas y retroalimentarse con la nueva informacion que generan.

Las capas de redes neuronales convolucionales profundas aprenden caracteristicas muy complejas aumentando la cantidad de informacion que se puede procesar y disminuyendo, al mismo tiempo, la dificultad de los sistemas que intervienen. Con estos algoritmos, la aplicacion aprende de forma autonoma partiendo de un conjunto de datos previo.

Asi, tras cargar una primera serie de imagenes en las que se indican los objetos que se quieren reconocer, el sistema genera un aprendizaje que puede reproducir sobre nuevos datos. Ademas, una vez que ha registrado un falso positivo sabe descartarlos en sucesivos analisis.

Por Otro Lado:  Estos son los juegos que llegan a Google Stadia en su lanzamiento

De esta manera, el resultado del trabajo ofrece un conteo mas acertado de los cetaceos a partir de fotografias de satelite. En un primer momento, la aplicacion reconoce a las ballenas en un conjunto de imagenes descartando otros objetos como barcos, icebergs, o espuma de mar. Posteriormente, cuenta el numero de ejemplares reconocidos.

Las pruebas realizadas con imagenes libres de Google Earth han logrado un resultado un 36% mas preciso que otros metodos, llegando al 81% de acierto en la deteccion y el 94% en el conteo. “Ademas, la aplicacion es capaz de reconocer distintas posturas de las ballenas y diferenciar si estan sumergidas, en reposo o soplando”, indica la investigadora de la UGR Siham Tabik, una de las autoras del articulo.

Avistamiento automatico por satelite

El objetivo de los cientificos es ampliar las competencias sobre la distribucion, migracion y numero de ejemplares de ballenas para asi poder preservarlas mejor. Una de las causas del escaso conocimiento sobre estos cetaceos se debe a los metodos de deteccion utilizados. Normalmente, se realizan a traves de avistamientos desde barcos o aviones, mediciones sonoras o imagenes de satelites de muy alta resolucion.

“Todos estos metodos tienen un alto coste, requieren de un gran trabajo manual y dependen de factores externos, como el mal tiempo. Ademas, presentan la dificultad de que las ballenas pueden confundirse facilmente con otros objetos, como rocas, barcos y espuma de mar sobre las olas”, añade Marga Rivas, otra de las autoras.

El nuevo sistema permite detectar y contar ballenas de forma automatica teniendo en cuenta todos estos factores a partir de bases de datos, herramientas de inteligencia artificial e imagenes de satelite abiertas y gratuitas. Asi, los expertos han logrado mejorar la precision de los metodos de deteccion de cetaceos sobre fotografias gratuitas de Google Earth y lo han probado en los diez lugares del oceano con mayor presencia de ballenas.

Por Otro Lado:  Los 120 Hz podrían acompañar al Galaxy S11, según revela la beta de One UI 2.0

Aun asi, el sistema debe mejorar algunas cuestiones que pueden subsanarse con el tiempo. Por ejemplo, aun no se tienen conjuntos de datos completos con imagenes de alta calidad con los que poder entrenar a las redes neuronales convolucionales. A pesar de ello, el estudio proporciona tres conjuntos de informacion que garantizan un buen aprendizaje con 2.100 imagenes de ballenas, icebergs, y barcos. Ademas, proporciona otro conjunto de imagenes para pruebas compuesto por 13.348 imagenes de estos diez lugares criticos.

Emilio Guirado, Domingo Alcaraz-Segura y Francisco Herrera, quienes completan el grupo investigador afirman: “Los datos obtenidos mejorarian considerablemente si se pudieran emplear todavia mas cantidad de fotografias de muy alta resolucion. Asi, la conservacion de estos cetaceos se beneficiaria si el acceso a estas fuera libre y gratuito para fines de conservacion de la biodiversidad, de la misma manera que ocurre tras catastrofes naturales y humanitarias”.

Los investigadores plantean ampliar el sistema incrementando la capacidad de reconocimiento de otros cetaceos mas pequeños, como las belugas, y ponen a disposicion de la comunidad la aplicacion para su uso y mejora en el archivo de Github.

El trabajo se ha financiado a traves de los proyectos Glocharid del Centro Andaluz para la Evaluacion y el Seguimiento del Cambio Global de la Junta de Andalucia, Smart-Dasci: Modelos de ciencia de datos e inteligencia computacional: tendiendo el puente entre big data y smart data del Ministerio de Ciencia, Innovacion y Universidades, LIFE ADAPTAMED de la Union Europea y dentro de la iniciativa GEOBON, Red de Observacion de la Biodiversidad.

👇 Mas en Hipertextual