Procesamiento de imágenes y vídeos del medio natural
Investigación de técnicas de procesamiento automático de imágenes y videos para el estudio de la evolución del medio natural en Cantabria.
OBJETIVO DEL PROYECTO
Realizar un RESUMEN que permita formarse una idea completa del proyecto.
El Sistema Integrado de Gestión del Medio Natural (SigMedNat) mantiene una base de datos con la información relevante de la Dirección General del Medio Natural del Gobierno de Cantabria. A través de este sistema se permite la visualización y categorización de contactos con el medio natural, consistentes en foto-capturas (imagen y video) obtenidas mediante una red de cámaras de disparo automático distribuidas en cuadrículas por la zona suroccidental de Cantabria.
1. El sistema considera 12 comarcas: Liébana, Nansa, Saja, Campoo, Valderredible, Besaya, Pas, Miera, Asón, Costera oriental, Costera central y Costera occidental.
2. Por las comarcas se distribuyen un total de 84 cuadrículas que cubren la región.
3. Entre las cuadrículas (principalmente las de la zona suroccidental) se reparte un total de 93 cámaras que capturan fotogramas del medio natural.
4. Las capturas se categorizan según las especies de animales que aparecen, permitiendo un total de 878 especies diferentes.
5. Las especies a su vez se organizan en 6 clases distintas: Anfibios y reptiles, Aves, Mamíferos, Murciélagos, Peces continentales, y Otros.
6. Las capturas que se toman de las cámaras también se organizan entre diversos proyectos según los animales en seguimiento: Lobo, Oso Pardo, Jabalí, Zorro, Corzo, Ciervo, Ganado, Roedores, Aves, y Domésticos. Además, también se incluyen categorías de Otras especies de interés, Cámaras móviles y Especies sin identificar.
7. Cada contacto registrado por una cámara puede contener múltiples imágenes y/o videos.
8. Para cada foto-captura se trata de identificar la especie presente en la imagen, así como el número de animales presentes por sexo (machos, hembras o desconocido) y edad (juveniles, subadultos y adultos).
9. Aquellas capturas que corresponden a personas se descartan del sistema.
10. La foto-capturas presentan condiciones climáticas, de iluminación, entorno y de calidad de la imagen muy diversas.
TIPO DE PROYECTO
Investigación Industrial
El objetivo principal del proyecto consiste en la especificación, diseño e implementación de un prototipo experimental de laboratorio que permita identificar y categorizar las foto-capturas de animales de forma automática obtenidas mediante la red de cámaras de disparo señaladas anteriormente, así como facilitar el seguimiento de especies a los biólogos expertos.
Como objetivos específicos planteamos:
Objetivo 1. Construir un prototipo experimental en un entorno con interfaces simuladas que permita, mediante la utilización de técnicas de la minería de datos y el aprendizaje automático, y más específicamente del aprendizaje profundo, la identificación y categorización (clase, especie, número, edad, sexo) de los animales capturados en las cámaras, sustituyendo de esta forma la intervención humana en dicha actividad de procesamiento de la información. En este prototipo se deberán considerar las diferentes condiciones de iluminación, climáticas, del entorno y de resolución.
Objetivo 2. Al objeto de realizar una mejor gestión de la fauna silvestre en general y de las especies protegidas, como objetivos particulares el sistema debe servir de ayuda para los siguientes subobjetivos:
1.- Determinar la proporción relativa de especies.
2.- Inferir la presencia o no de especies.
3.- Establecer, si es posible un patrón de actividades de cada especie.
4.- Determinar distribución por cuadrículas y comarcas.
5.- Hacer énfasis sobre la información de osos, lobos y jabalíes.
Objetivo 3. El sistema utilizará una metodología de aprendizaje profundo y el algoritmo fundamental de categorización deberá ser reconfigurable de forma automática o semiautomática a medida que la base de datos con fotogramas etiquetados aumenta de tamaño. Este planteamiento coincide con los planteamientos vanguardistas de aprendizaje automático, en los que la arquitectura de los modelos computacionales, idealmente, debe actualizarse automáticamente cada cierto tiempo y constituye uno de los nudos gordianos en investigación en Aprendizaje Automático.
Objetivo 4. El seguimiento animal se habilitará mediante la utilización de modelos probabilistas que consideren las distribución de especies, así como su movilidad entre las distintas zonas de foto-captura. Se emplearán técnicas de aprendizaje por observación para extraer el modelo de comportamiento de las especies.
Los resultados del desarrollo del proyecto permitirán a Axpe Consulting Cantabria ofrecer soluciones a aquellas empresas dedicadas a la gestión del Medio Natural de Cantabria, que requieran servicios de identificación y reconocimiento de imágenes de animales tomadas mediante cámaras de vigilancia.
Los avances en las técnicas de procesamiento de datos y aprendizaje automático, fundamentalmente basadas en aprendizaje profundo (Deep Learning) y en particular, redes neuronales convolucionales, permitirán a Axpe Consulting Cantabria posicionarse como empresa líder en el ámbito de la Inteligencia Artificial, actualmente estratégico para la compañía. En las soluciones de identificación e interpretación automática de imágenes y vídeos, que actualmente están siendo muy demandadas por las necesidades de rastreo de la enfermedad COVID-19.
PRODUCTO, PROCESO Y/O SERVICIO
Explicación detallada del producto, proceso y/o servicio novedoso que pueda llegar a convertirse en una realidad empresarial.
Para realizar este estudio se plantea construir un prototipo en un entorno de laboratorio con el que se pueda experimentar para llevar a cabo la categorización de especies. Este prototipo estará formado por los siguientes componentes que operarán combinadamente:
• El prototipo experimental de una aplicación que permita capturar y procesar los datos de los movimientos de los animales almacenados en la base de datos.
• Modelos computacionales para representar los movimientos.
• Software basado en redes neuronales convolucionales aprendidas automáticamente que permitan categorizar las especies y los demás atributos requeridos.
• Servicios web genéricos para comunicar de forma interoperable las predicciones de la red neuronal convolucional a sistemas manejados por los biólogos responsables del programa.
El estudio experimental evaluará los siguientes aspectos para determinar la viabilidad de que la propuesta pueda en el futuro evolucionar hacia un producto comercializable y utilizable por los biólogos encargados del programa:
• Un estudio con fotogramas que permita determinar la tasa de éxito para categorizar correctamente las especies. Esta tasa de éxito se cuantificará como el porcentaje de coincidencia de los resultados de la red neuronal convolucional con las categorizaciones realizadas por los expertos.
• Una evaluación de acuerdo a la familia de normas ISO/IEC 25000, conocida como SQuaRE (System and Software Quality Requirements and Evaluación), que permita medir de forma estandarizada el cumplimiento de requisitos funcionales y no funcionales indispensables en la infraestructura del laboratorio experimental (seguridad, rendimiento, fiabilidad, etc.).
• Una evaluación por parte de los expertos del impacto de la propuesta en la categorización de especies.
UBICACIÓN DEL PROYECTO
Axpe Consulting Cantabria S.L.
Polígono Camargo 16C
39600 Camargo, Cantabria
Fecha de Inicio del proyecto
Siempre posterior o igual a la fecha de solicitud.
1 de diciembre de 2020
Fecha de finalización del proyecto
Máximo el 31 de agosto de 2022.
31 de agosto de 2022