211service.com
Drones con visión artificial monitorean animales en la sabana africana
El Kalahari es una sabana arenosa semiárida que se extiende por grandes áreas de Botswana, Sudáfrica y Namibia. Es el hogar de una gran variedad de grandes mamíferos, como jirafas, avestruces, ñus y varias especies de gacelas.
Los recursos alimentarios cambian constantemente en la sabana a medida que cambian las precipitaciones, la presión del pastoreo y los incendios forestales se extienden por la tierra. Para evitar el sobrepastoreo, los administradores de la tierra deben asegurarse de que el número de pastores coincida con la disponibilidad de alimentos.
Eso requiere un seguimiento significativo. Las formas más comunes de estimar las poblaciones de grandes mamíferos es contarlas desde un helicóptero o instalar cámaras trampa que registren sus movimientos a través de lugares específicos.
Pero estos métodos tienen importantes inconvenientes. Las cámaras trampa solo pueden registrar poblaciones en un solo lugar y los estudios de helicópteros son costosos y requieren mucho tiempo.
Otra opción es fotografiar la zona con un dron. Esto produce una gran cantidad de imágenes que cubren vastas áreas de tierra. Pero hay un problema. Analizar estas imágenes es difícil. Requiere operadores humanos capacitados para dedicar grandes cantidades de tiempo a la tarea.
Por lo tanto, a los administradores de tierras les encantaría tener una mejor manera de analizar estas imágenes.
Ingrese a Nicolas Rey en la Ecole Polytechnique Federale de Lausanne (EPFL) en Suiza y algunos amigos que han entrenado un algoritmo de visión artificial para hacer el trabajo en su lugar. Dicen que el algoritmo reduce enormemente el tiempo requerido por los humanos expertos y podría conducir a mejoras significativas en las estimaciones de población de animales grandes.
Su método es sencillo. Comienzan con un estudio de mapeo de drones de 2014 realizado en la reserva de vida silvestre Kuzikus en el borde del Kalahari en Namibia. Esto involucró cinco vuelos de drones sobre la reserva con una cámara que tomó 6.500 fotografías del suelo. Cada imagen tenía 3.000 x 4.000 píxeles a una resolución de unos pocos centímetros por píxel.
Estas imágenes muestran muchos mamíferos grandes pero están escasamente distribuidos. Y eso hace que los humanos tarden mucho en encontrarlos.
La idea de Rey y compañía es que se pueda entrenar un sistema de visión artificial para que haga el trabajo. Pero el entrenamiento requiere resultados reales de los que la máquina pueda aprender.
Entonces, una parte importante del método de Rey y compañía es crear este conjunto de datos reales utilizando una campaña de crowdsourcing. Pidieron a 232 voluntarios que estudiaran las imágenes y dibujaran un polígono alrededor de cada animal que encontraran. Cada imagen fue vista por un mínimo de tres voluntarios y un máximo de 10. La media de espectadores fue de cinco. Si más de la mitad de los espectadores estaban de acuerdo, el equipo asumía que habían identificado un animal.
De esta forma, los voluntarios encontraron unos 976 grandes mamíferos en 650 imágenes. Luego, expertos humanos revisaron los resultados y eliminaron 21 casos falsos en un proceso que tomó solo 30 minutos. Luego, el equipo usó estos ejemplos para entrenar y probar su algoritmo de visión artificial.
Los resultados son interesantes. El equipo encontró que el algoritmo funcionaba mejor temprano en el día cuando los animales proyectaban largas sombras. Concluimos que volar por la mañana y siempre a la misma hora del día puede conducir a mejores resultados, aseguran. Por la misma razón, también fue mejor para detectar animales de pie en lugar de acostados.
Sin embargo, el sistema funcionó bien. El sistema logra una alta tasa de recuperación y un operador humano puede eliminar las detecciones falsas con un esfuerzo limitado, dice el equipo. Por lo tanto, todavía se necesita un operador humano, pero con una carga de trabajo muy reducida.
Eso tiene implicaciones para la conservación de los animales en África y otras áreas extensas. Muestra que la detección de grandes mamíferos en la sabana semiárida se puede abordar mediante el procesamiento de datos proporcionados por cámaras RGB estándar montadas en UAV de alas fijas asequibles, dicen Rey y compañía.
Ese es un trabajo interesante que muestra cómo la tecnología de drones relativamente barata y las técnicas de visión artificial cada vez más poderosas se pueden aplicar en ubicaciones remotas. Como resultado, la conservación de animales en estas regiones debería ser más fácil y efectiva.
Ref: arxiv.org/abs/1709.01722 : Detección de animales en la sabana africana con vehículos aéreos no tripulados y las multitudes