DURHAM, Carolina del Norte – El uso de drones e inteligencia artificial para monitorear grandes colonias de aves marinas puede ser tan efectivo como los métodos tradicionales en el terreno, al tiempo que reduce los costos, la mano de obra y el riesgo de error humano, encuentra un nuevo estudio.
Los científicos de la Universidad de Duke y la Sociedad de Conservación de la Vida Silvestre (WCS) utilizaron un algoritmo de aprendizaje profundo, una forma de inteligencia artificial, para analizar más de 10,000 imágenes de drones de colonias mixtas de aves marinas en las Islas Malvinas frente a la costa de Argentina.
Las Malvinas, también conocidas como Malvinas, son el hogar de las colonias más grandes del mundo de albatros de ceja negra (Thalassarche melanophris) y las segundas colonias más grandes de pingüinos saltamontes del sur (Eudyptes c. Chrysocome). Cientos de miles de aves se reproducen en las islas en grupos densamente intercalados.
El algoritmo de aprendizaje profundo identificó y contó correctamente los albatros con un 97% de precisión y los pingüinos con un 87%. En total, los recuentos automatizados estuvieron dentro del 5% de los recuentos humanos aproximadamente el 90% del tiempo.
«El uso de encuestas con drones y aprendizaje profundo nos brinda una alternativa que es notablemente precisa, menos disruptiva y significativamente más fácil. Una persona, o un equipo pequeño, puede hacerlo, y el equipo que necesita para hacerlo no es tan costoso o complicado «, dijo Madeline C. Hayes, analista de teledetección en el Laboratorio Marino de la Universidad de Duke, quien dirigió el estudio.
El monitoreo de las colonias, que se encuentran en dos islas exteriores rocosas y deshabitadas, hasta ahora ha sido realizado por equipos de científicos que cuentan el número de cada especie que observan en una parte de las islas y extrapolan esos números para obtener estimaciones de población para el total. colonias. Debido a que las colonias son grandes y densamente intercaladas y los pingüinos son mucho más pequeños que los albatros (y, por lo tanto, es fácil pasarlos por alto), a menudo es necesario repetir los conteos. Es un proceso laborioso y la presencia de los científicos puede alterar los comportamientos de crianza y reproducción de las aves.
Para realizar las nuevas encuestas, los científicos de WCS utilizaron un dron de consumo estándar para recopilar más de 10,000 fotos individuales, que Hayes convirtió en una imagen compuesta a gran escala utilizando un software de procesamiento de imágenes.
Luego analizó la imagen usando una red neuronal convolucional (CNN), un tipo de IA que emplea un algoritmo de aprendizaje profundo para analizar una imagen y diferenciar y contar los objetos que «ve» en ella, en este caso, dos especies diferentes de aves marinas. Estos recuentos se sumaron para crear estimaciones completas del número total de aves que se encuentran en las colonias.
«Una CNN está modelada libremente en la red neuronal humana, en el sentido de que aprende de la experiencia», dijo David W. Johnston, director del Laboratorio de Robótica Marina y Percepción Remota de Duke. «Entrena a la computadora para captar diferentes patrones visuales, como los creados por albatros de ceja negra o pingüinos saltamontes del sur en imágenes de muestra, y con el tiempo aprende a identificar los objetos que forman esos patrones en otras imágenes como nuestra foto compuesta . »
Johnston, quien también es profesor asociado de práctica de ecología de conservación marina en la Escuela de Medio Ambiente Nicholas de Duke, dijo que el enfoque emergente habilitado por drones y CNN es ampliamente aplicable «y aumenta en gran medida nuestra capacidad para monitorear el tamaño y la salud de las colonias de aves marinas». en todo el mundo y la salud de los ecosistemas marinos en los que habitan «.
Guillermo Harris, conservacionista senior de WCS, fue coautor del estudio. Dijo: «Contar grandes colonias de aves marinas de especies mixtas en lugares remotos ha sido un desafío continuo para los conservacionistas. Esta tecnología contribuirá a las evaluaciones regulares de la población de algunas especies, ayudándonos a comprender mejor si los esfuerzos de conservación están funcionando».
Crear y entrenar la CNN puede parecer intimidante, señaló Hayes, pero «hay toneladas de recursos en línea para ayudarlo o, si no quiere lidiar con eso, puede usar una CNN gratis y prediseñada y personalizarla para hacer lo que necesita. Con un poco de paciencia y orientación, cualquiera podría hacerlo. De hecho, el código para recrear nuestros modelos está disponible en línea para ayudar a otros investigadores a iniciar su trabajo «.
###
Los científicos publicaron sus hallazgos revisados por pares el 22 de mayo en Aplicaciones ornitológicas.
Las dos islas utilizadas para el estudio piloto, Grand Jason Island y Steeple Jason Island, son propiedad de WCS y están operadas como una reserva natural privada.
Los coautores adicionales del artículo fueron Patrick Gray de Duke, Wade Sedgwick y Vivon Crawford de WCS, Natalie Chazal de la Universidad Estatal de Carolina del Norte y Sarah Crofts de Falklands Conservation.
La financiación provino de WCS, Island Foundation, Francis Goelet Charitable Trust y Robert G. Goelet.
CITA: «Los drones y el aprendizaje profundo producen un monitoreo preciso y eficiente de colonias de aves marinas a gran escala», Madeline C. Hayes, Patrick C. Gray, Guillermo Harris, Wade C. Sedgwick, Vivon D. Crawford, Natalie Chazal, Sarah Crofts y David W. Johnston.
Aplicaciones ornitológicas, 22 de mayo de 2021. DOI: 10.1093 / ornithapp / duab022
Descargo de responsabilidad: AAAS y EurekAlert! ¡no somos responsables de la precisión de los comunicados de prensa publicados en EurekAlert! por las instituciones contribuyentes o para el uso de cualquier información a través del sistema EurekAlert.
