• Amaya Álvarez és titulada superior contractada a l'IMEDEA (UIB-CSIC)

Foto:  Amaya Álvarez al seu despatx de l'IMEDEA (Autora: Charina Cañas)

Esporles, 11 de maig de 2018. Amaya Álvarez és llicenciada en Ciències del Mar per la Universitat de Cadis (2002), màster en Gestió Costanera per la Universitat de Cantàbria (2004) i doctora en Ciències de la Mar per la Universitat de les Illes Balears (2010). Va començar a treballar a l'IMEDEA (UIB-CSIC) el febrer de 2005 amb una beca associada a un projecte d'investigació, dins el qual va poder completar la tesi doctoral, centrada en l'estudi dels corrents marins, l'onatge i el transport de sediment en platges. Després de defensar aquesta tesi va començar a treballar al SOCIB, on ha estat set anys desenvolupant diferents investigacions relacionades també amb les platges i la seva dinàmica. Amaya torna a treballar a l'IMEDEA (UIB-CSIC) des de febrer de 2018.

A la pregunta «què fas aquests dies?», ens contesta que en aquests moments treballa en un projecte conceptualment molt diferent de la línia d'investigació que ha seguit fins ara, però que s'aborda mitjançant una metodologia comuna: l'anàlisi d’imatges, encara que on abans l'objectiu era, per exemple, detectar línia de costa en platges, ara l'objectiu és detectar peixos a les caixes que desembarquen els pescadors al final d'una singladura.

Aquest projecte, que es diu Fotopeix, està finançat per la Fundació Biodiversitat dins el programa Plenamar i pretén desenvolupar noves tecnologies per obtenir informació més detallada i precisa del peix fresc desembarcat cada dia pels pescadors de Mallorca. En concret, s'està explorant la possibilitat de determinar de manera automàtica el nombre de peixos i la talla a partir d'imatges de les caixes de peix desembarcat.

Amaya està implementant algoritmes matemàtics anomenats 'Deep Learnig'. Aquests algoritmes, que s’utilitzen en camps científics molt diversos, són comparables a la utilització de xarxes neuronals artificials i suposen un avanç molt significatiu en el camp de la intel·ligència artificial. En el cas concret en què treballa Amaya, el volum ingent de càlculs que es requereix per a l'ús de l’aprenentatge profund es realitza directament mitjançant una targeta gràfica de gran potència, en lloc de recórrer al disc dur de l'ordinador, cosa que permet augmentar la velocitat de càlcul en diversos ordres de magnitud.

El 'Deep Learnig' és una tècnica d'intel·ligència artificial molt nova que genera i combina xarxes neuronals amb moltes capes ocultes per relacionar, en aquest cas, imatges de peixos identificades de manera supervisada (és a dir, etiquetades una a una per un observador). Un cop entrenat amb milers d'aquestes imatges, el sistema aprèn a reconèixer de manera autònoma noves imatges de peixos. L'objectiu final és estimar la talla dels peixos que el sistema anirà identificant automàticament com a peixos en noves imatges. S'espera que el projecte FOTOPEIX contribueixi de manera decisiva a millorar la informació disponible sobre les captures i, per tant, permeti que pescadors i gestors puguin consensuar plans de gestió basats en informació objectiva i científicament rigorosa. Per exemple, creuant la informació de talla amb la de preu de venda es podria desenvolupar un pla d'explotació que maximitzàs els guanys dels pescadors en lloc de les captures.

Perquè un sistema 'Deep Learnig' sigui precís en les prediccions, el primer pas és entrenar-lo adequadament. Per tant, el primer objectiu del projecte FOTOPEIX és entrenar el sistema amb milers d'imatges de peixos, perquè sigui capaç d'aprendre per si sol quina part d'una nova imatge es correspon amb un peix. Cada patró (és a dir, cada peix en una imatge) ha de ser identificat manualment, i com que són necessaris milers de patrons, de moment aquest entrenament massiu es fa amb una única espècie, encara que en el futur es podria ampliar a altres espècies d'interès. Encara que en un primer moment es va tractar d'utilitzar el peix complet com a patró, els resultats preliminars apunten que la utilització només del cap, des de la boca a l'aleta pelviana, pot produir prediccions molt més precises.

Amaya no només es responsabilitza de la implementació dels algoritmes, sinó també d'aspectes pràctics que van des de solucionar problemes tècnics relacionats amb les càmeres, la transmissió d'imatges a l'IMEDEA, el disseny i la gestió de les bases de dades necessàries, fins a fomentar un bon clima de col·laboració amb els pescadors, que seran els beneficiaris finals del projecte.

Foto: Exemple de caixa de peix desembarcat a port (Autora: Amaya Álvarez)

Font: IMEDEA (UIB-CSIC)