A IMEDEA and UIB project is finalist in an international competition of technological solutions for the conservation of the environment
Esporles, 25 de julio de 2019:
El problema
Para solucionar este problema se necesitan datos sólidos de la presencia de esta especie invasora que permitan la detección temprana y la erradicación, así como la monitorización a través del tiempo y el espacio. El vehículo diseñado por la UIB y del IMEDEA (UIB-CSIC) permitiría obtener estos datos, que deberían servir también para adoptar las mejores estrategias para prevenir la propagación del alga invasora y contribuir así a la conservación de los ecosistemas marinos.
La propuesta
Luego, estas imágenes serán procesadas y segmentadas en línea haciendo uso de redes neuronales convolucionales, un tipo de red neuronal artificial que imita el funcionamiento de las neuronas del córtex visual primario y que son muy efectivas en tareas de visión artificial. Las imágenes pasarán también por un algoritmo que permitirá generar mapas de cobertura. De este modo, el robot podrá detectar la presencia de Halimeda incrassata cuando esta especie se encuentre en el estado de desarrollo máximo, a finales de verano.
El equipo de investigadores que participan en este proyecto lo integran Yolanda González Cid, Gabriel Oliver Codina, Antoni Martorell Torres, Eric Guerrero Fuente y Miguel Martín Abadal, del grupo de investigación en Sistemas, Robótica y Visión de la UIB, y Fiona Tomás Nash, Rocío Jiménez Ramos, Laura Antich Homar y Julia Máñez Crespo, del IMEDEA (UIB-CSIC).
Los estudios ecológicos destinados a monitorear las especies y sus cambios espaciales y temporales se han basado a menudo en observaciones visuales humanas, que pueden requerir mucho tiempo y mucha mano de obra. Los elevados costes asociados a este tipo de estudios a menudo restringen el alcance temporal y espacial. En cambio, la utilización de vehículos submarinos y de superficie autónomos permitiría hacer una recogida sistemática y masiva de imágenes y datos submarinos. Además, la clasificación automática de imágenes asistida por ordenador haciendo uso de técnicas de aprendizaje profundo (deep learning) conlleva un gran logro para los estudios ecológicos observacionales, dado que permite analizar una gran cantidad de imágenes en muy poco tiempo, en comparación con los análisis hechos por humanos.
La competición
Fuente: IMEDEA (UIB-CSIC) y UIB Más información:
|