Jellytoring: monitorització de meduses en temps real basat en la detecció d'objectes mitjançant aprenentatge automàtic
Fotos: Les tres espècies de meduses utilitzades en l'estudi en diferents condicions ambientals. Esquerra: P. noctiluca; centre: R. pulmo; dreta: C. tuberculata.
Esporles, 24 de març de 2020. Investigadors de l'IMEDEA i de la Universitat de les Illes Balears han desenvolupat un sistema anomenat 'Jellytoring' basat en Deep Learning, que detecta i quantifica automàticament i en temps real la presència de diferents espècies de meduses durant llargs períodes de temps. L'estudi acaba de ser publicat a la revista Sensors.
La composició i distribució d'espècies en el medi marí s'ha modificat durant les últimes dècades a causa de múltiples pressions antropogèniques. Monitoritzar de manera rendible aquests canvis és molt rellevant per avaluar l'estat ambiental i l'efectivitat de les mesures de maneig.
Actualment, hi ha un debat sobre si les poblacions de meduses han augmentat de manera global. En llocs on hi ha una proliferació massiva de meduses, diversos sectors marins, com ara la pesca o la indústria turística, n’han resultat perjudicats. Aquest debat existeix, en part, a causa de la manca de dades homogènies sobre la presència i distribució de meduses al món. En el passat, s’han fet treballs de monitorització mitjançant l'ús d'observacions de vídeo sota l'aigua, però solien ser llargs i costosos perquè se n’havien de processar les dades manualment. El desenvolupament de nous mètodes de monitorització automàtics, com ara el jellytoring, facilitarà l'expansió en la captura de dades sobre meduses.
El jellytoring té un rendiment excel·lent (de fins al 95%) en la tasca de detecció i també de quantificació de meduses, ja que en compta correctament el nombre i la classe de meduses en una seqüència de vídeo processada en temps real fins a un 93,8% de la durada.
Els resultats d'aquest estudi pretenen encoratjar i proporcionar els mitjans per monitoritzar meduses d'una manera eficient i desenvolupar un sistema d'alerta primerenca que proporcioni informació molt valuosa tant des d'un punt de vista ecològic com de gestió del medi marí, alhora que pot contribuir a reduir-ne l’impacte en els humans.
Fotos: Exemples de detecció de meduses sobre un conjunt d'imatges de prova. Esquerra: quadres verds delimitadors sobre P. noctiluca; centre: quadres blaus delimitadors sobre R. pulmo; dreta: quadres taronges delimitadors sobre C. tuberculata.
Atès que la idea és crear una aplicació global, els investigadors estan interessats a rebre vídeos de meduses. Podeu contactar-hi a través de l’adreça <jellytoring@gmail.com
Font: IMEDEA (UIB-CSIC)
Més informació:
- Miguel Martin-Abadal, Ana Ruiz-Frau, Hilmar Hinz and Yolanda Gonzalez-Cid. Jellytoring: Real-Time Jellyfish Monitoring Based on Deep Learning Object Detection. Sensors 2020, 20(6). Marzo 2020. https://doi.org/10.3390/s20061708
- Jellytoring: monitoreo de medusas en tiempo real basado en la detección de objetos mediante deep learning (UIB)
- El imedea y la uib desarrollan un sistema para detectar y cuantificar medusas (Última Hora)
- La UIB y el Imedea desarrollan el sistema 'Jellytoring' para detectar la presencia de medusas durante largos periodos (Europa press Baleares)