Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica

Abstract

El manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.