Visitas: 1
– Los científicos de EPFL, el Instituto Real de Investigación del Mar de los Países Bajos y la Universidad e Investigación de Wageningen han desarrollado un nuevo modelo de aprendizaje profundo para contar la cantidad de focas en las fotografías aéreas que es considerablemente más rápido que hacerlo a mano. Con este nuevo método, se podrían ahorrar tiempo y recursos valiosos que se pueden utilizar para seguir estudiando y proteger las especies en peligro de extinción.
Cortesía de EPFL por Sandrine Perroud: Los ecologistas han estado monitoreando las poblaciones de focas durante décadas, acumulando vastas bibliotecas de fotografías aéreas en el proceso. Contar la cantidad de focas en estas fotos requiere horas de trabajo meticuloso para identificar manualmente a los animales en cada imagen. Por lo tanto, las encuestas ecológicas son un tema clave en esta actividad y deben implementarse.
En la actualidad, un equipo multidisciplinario de investigadores que incluye a Jeroen Hoekendijk, estudiante de doctorado en la Universidad e Investigación de Wageningen (WUR) y empleado por el Instituto Real de Investigación del Mar de los Países Bajos (NIOZ), y Devis Tuia, profesor asociado y director de Medio Ambiente. El Laboratorio de Ciencias Computacionales y Observación de la Tierra en EPFL Valais, ha desarrollado un enfoque más eficiente para contar objetos en estudios ecológicos. En su estudio, publicado en Scientific Reports, utilizan un modelo de aprendizaje profundo para contar la cantidad de sellos en las fotos archivadas. Su método podría ejecutar 100 imágenes en menos de un minuto, en comparación con una hora para un experto humano.
No se necesita etiquetado
“En ecología, los modelos de aprendizaje profundo más comúnmente empleados se entrenan primero para detectar objetos individuales, después de lo cual se cuentan los objetos detectados. Este tipo de modelo requiere anotaciones extensas de objetos individuales durante el entrenamiento ”, dice Hoekendijk.
Sin embargo, el método aplicado por el equipo de investigación elimina la necesidad de etiquetar los sellos individuales de antemano, lo que acelera drásticamente el procedimiento, ya que solo se necesita el número total de animales en la imagen. Además, su método se puede utilizar para contar cualquier elemento o animal individual y, por lo tanto, potencialmente ayudar a procesar no solo las nuevas fotos, sino también aquellas que no pudieron analizarse por falta de tiempo. Esto representa décadas de fotografías que podrían proporcionar información importante sobre cómo ha evolucionado el tamaño de la población a lo largo del tiempo.
De lo macroscópico a lo microscópico
La forma en que aparecen las focas en las fotos aéreas puede variar significativamente de un lote a otro, dependiendo de la altitud y el ángulo en el que se tomó la foto. Por lo tanto, el equipo de investigación evaluó la solidez a dicha variación. Además, para demostrar el potencial de su modelo de aprendizaje profundo, los científicos probaron su enfoque en un conjunto de datos fundamentalmente diferente, de una escala mucho más pequeña: imágenes de anillos de crecimiento microscópicos en huesos de pescado llamados otolitos.
Estos otolitos, o piedras auditivas, son estructuras duras de carbonato de calcio ubicadas directamente detrás del cerebro de un pez. Los científicos entrenaron su modelo para contar los anillos de crecimiento diarios visibles en las imágenes, que se utilizan para estimar la edad de los peces.
Estos anillos de crecimiento son conocidos por ser extremadamente difíciles de anotar individualmente. El equipo de investigación descubrió que su modelo tenía aproximadamente el mismo margen de error que los métodos manuales, pero podía trabajar con 100 imágenes en menos de un minuto, mientras que un experto tardaría tres horas.
Próximo paso
El siguiente paso será aplicar enfoques similares a imágenes satelitales de regiones árticas inaccesibles donde viven varias poblaciones de focas que están en la Lista Roja de Especies Amenazadas compilada por la Unión Internacional para la Conservación de la Naturaleza. “Planeamos utilizar este enfoque para estudiar especies en peligro de extinción en esta parte remota del mundo, donde las temperaturas están aumentando dos veces más rápido que en otras partes del planeta”, dice Tuia. “Saber dónde se concentran los animales es esencial para proteger a estas especies que a menudo se encuentran en peligro de extinción”.
Referencias: Jeroen PA Hoekendijk, Benjamin Kellenberger, Geert Aarts, Sophie Brasseur, Suzanne SH Poiesz y Devis Tuia “El recuento mediante regresión de aprendizaje profundo da valor para los estudios ecológicos, “Scientific Reports, 1 de diciembre de 2021. DOI: 10.1038 / s41598-021-02387-9
Artículo relacionado: Cambio climático el riesgo que lleva a la tierra al borde del caos
Dejar una contestacion