CESIMAR-CONICET
El método combina imágenes aéreas de alta resolución con técnicas de aprendizaje profundo para automatizar la detección de elefantes y lobos marinos
Un equipo interdisciplinario de investigadores argentinos ha desarrollado una metodología innovadora para el monitoreo de fauna marino-costera en la Península Valdés. El estudio, liderado por expertos en Ingeniería, Computación, Física y Biología, combina imágenes aéreas de alta resolución con técnicas de aprendizaje profundo para automatizar la detección, clasificación y conteo de especies carismáticas y de importancia para la región, como el elefante marino del sur (Mirounga leonina) y el lobo marino de un pelo (Otaria flavescens). Este enfoque no solo supera algunas limitaciones de los métodos tradicionales de censo in-situ, sino que también ofrece una herramienta eficiente para la conservación de la biodiversidad en áreas extensas y remotas.
Tecnología de Vanguardia al Servicio de la Ecología
Para el estudio se tomaron cerca de 3000 imágenes de alta resolución durante dos vuelos tripulados a bordo de una aeronave CESSNA C-182 monomotor de ala alta perteneciente al Aeroclub Puerto Madryn. En menos de seis horas de vuelo se cubrieron más de 300 kilómetros de costa en el extremo norte de la provincia de Chubut, durante la primavera de 2023. En una primera etapa, el estudio utilizo un subconjunto de 461 de estas imágenes correspondiente a un sector a lo largo de 80 km en Península Valdés. Las imágenes pasaron por un proceso de anotación y revisión manual en el que participaron anotadores entrenados y biólogos especialistas, quienes clasificaron a los individuos por especie, sexo y edad (solo en el caso de los elefantes marinos) y estado de salud (vivo o muerto). Luego se entrenó un modelo de aprendizaje profundo basado en la arquitectura YOLO v10x, que permite detectar y clasificar animales en grandes volúmenes de datos con una precisión notable.
“El trabajo interdisciplinario fue clave en esta fase, ya que biólogos y expertos en visión por computadora colaboraron para asegurar que las anotaciones fueran precisas y consistentes. Además, se aplicaron técnicas de aumento de datos para mejorar la robustez del modelo, lo que permitió manejar la variabilidad en las condiciones de iluminación, ángulos de cámara y oclusiones”, explica Elena Eder, investigadora del Centro para el Estudio de los Sistemas Marinos (CESIMAR-CONICET).
El estudio, recientemente publicado en Journal of Imaging, se enmarca en un proyecto de investigación más amplio financiado con fondos de Proyectos Federales de Innovación del ex Ministerio de Ciencia y Técnica de la Nación, Proyectos de Investigación Científica y Tecnológica de la Agencia Nacional de Promoción de la Investigación, el Desarrollo Tecnológico y la Innovación y fondos de universidades nacionales (UNS y UNSJB), y es el resultado de una colaboración interdisciplinaria entre investigadores, docentes, becarios, personal de apoyo y estudiantes de diversas instituciones. Del trabajo participaron, además de Eder, Octavio Ascagorta, María Débora Pollicelli, Francisco Iaconis, Mathías Vázquez-Sano y Claudio Delrieux.
Precisión y Eficiencia en el Monitoreo de Especies
El modelo obtuvo un valor alto de precisión media y logro medidas de precisión particularmente altas para la mayoría de las categorías de sexo y edad de elefantes marinos, demostrando también ser altamente efectivo en la identificación de otras categorías, como aves y lobos marinos. Además, una vez entrenado el modelo, el conjunto de datos de un relevamiento aéreo completo (que cubra varios centenares de kilómetros) puede procesarse en un tiempo computacional de menos de una hora, obteniéndose en tiempo casi real la información indispensable para extraer indicadores de uso biológico y ambiental.
Una de las mayores innovaciones y fortalezas del modelo es su carácter multi-objetivo, lo que capitaliza la sistematización y la recolección de datos en una misma campaña de relevamiento, tomando en cuenta las consideraciones pertinentes de los cronogramas y requerimientos para las especies e indicadores de interés. Esto es particularmente relevante en contextos de emergencias como la ocurrida en el área durante la primavera de 2023 con un brote de influenza aviar altamente patógena, que causó una mortalidad significativa en estas especies. El modelo permite obtener métricas multipoblacionales precisas y rápidas, lo que es esencial para implementar estrategias de conservación y manejo de contingencias. Asimismo, si bien no se atendió aún este aspecto, potencialmente la metodología sería adecuada para la identificación y mapeo de otro tipo de objetivos de interés, como ser residuos de actividades antropogénicas, entre otros.
Un paso adelante en la conservación marina
Las potencialidades a futuro incluyen la expansión del modelo para monitorear otras especies costeras, o reentrenamiento para otras regiones costeras con diferentes condiciones ambientales y especies, la integración con otras tecnologías como el uso de imágenes satelitales para ampliar las zonas de cobertura y la posibilidad de entrenar modelos generativos que conviertan imágenes aéreas en equivalentes de drones, lo que mejoraría aún más la precisión y la eficiencia del monitoreo. Además, puede implementarse el uso de herramientas semi-automatizadas para acelerar el proceso de anotación y análisis de imágenes.
“Este estudio representa un avance significativo en el monitoreo de fauna marina combinando tecnología de vanguardia con un enfoque interdisciplinario. La metodología desarrollada no solo mejora la eficiencia del monitoreo, con su capacidad para procesar grandes volúmenes de datos en un tiempo computacional récord (y su adaptabilidad a múltiples objetivos), sino que además mitiga algunas de las limitaciones de los métodos tradicionales”, finaliza la bióloga del CENPAT.
