DestacadaMedio Ambiente

Usan inteligencia artificial para identificar plásticos en oceános

La Universidad de Wageningen estudia con IA imágenes satelitales

Una nueva investigación realizada por la Universidad de Wageningen y la EPFL (Escuela Politécnica Federal de Lausana) ha desarrollado un detector de IA capaz de estimar la presencia de plásticos flotantes en las imágenes captadas por satélite de los océanos.

Este avance tecnológico abre la puerta a la limpieza más eficiente de la contaminación plástica marina, empleando barcos destinados a dicha tarea. Los detalles del estudio han sido publicados en la revista científica estadounidense iScience.

Las imágenes captadas por el satélite Sentinel-2 han revelado la presencia de notables acumulaciones de desechos marinos en zonas costeras. Este satélite, cuyo acceso es gratuito, realiza capturas de la Tierra y las costas mundiales cada 2 a 5 días.

Dichas imágenes equivalen a terabytes de datos, las cuales son procesadas por el sistema de IA creado por los centros educativos.

“Estos modelos aprenden de ejemplos proporcionados por oceanógrafos y especialistas en teledetección, quienes identificaron visualmente varios miles de casos de desechos marinos en imágenes satelitales en lugares de todo el mundo. De esta manera, entrenaron el modelo para reconocer los desechos plásticos”, explicó Marc Ruswurm profesor asistente en la Universidad de Wageningen.

El detector se entrena siguiendo principios de IA centrados en datos que tienen como objetivo aprovechar al máximo los datos de entrenamiento limitados que están disponibles para este problema.

Un ejemplo es el diseño de un algoritmo de visión por computadora que ajusta las anotaciones manuales de los expertos con precisión a los desechos visibles en las imágenes. Con esta herramienta, los oceanógrafos y expertos en teledetección pueden proporcionar más ejemplos de datos de capacitación al ser menos precisos al hacer clic manualmente en los contornos.

En general, este método de entrenamiento combinado con el algoritmo de refinamiento enseña al modelo de detección de inteligencia artificial profunda a predecir mejor los objetos de desechos marinos que los enfoques anteriores.

“El detector sigue siendo preciso incluso en condiciones más difíciles; por ejemplo, cuando la nubosidad y la neblina atmosférica dificultan que los modelos existentes identifiquen con precisión los desechos marinos”, puntualizó el profesor Ruswurm.

Con frecuencia, la contaminación plástica se incrementa tras eventos climáticos severos que facilitan el arrastre de estos materiales desde zonas terrestres hasta el mar. Así, las condiciones climáticas dificultan la detección y el seguimiento de estos desechos marinos, lo que complica los esfuerzos por preservar la salud oceánica y proteger la biodiversidad.

Además de una predicción más precisa de las acumulaciones de desechos marinos, el modelo de detección también detectará desechos en imágenes de PlanetScope a las que se puede acceder diariamente.

PlanetScope es una constelación de satélites de observación terrestre operada por la empresa Planet Labs. Estos satélites, conocidos como Doves (Palomas), están diseñados para capturar imágenes de alta resolución de la superficie de la Tierra.

Su objetivo es ofrecer datos visuales actualizados diariamente que puedan ser utilizados para diversos fines, como la monitorización del medio ambiente, la agricultura, la cartografía y la respuesta ante emergencias, entre otros.

La constelación PlanetScope forma parte de un conjunto más amplio de satélites que proporcionan a empresas, gobiernos e investigadores acceso a imágenes satelitales frecuentes y accesibles para el análisis y la toma de decisiones basadas en datos geoespaciales.

“Además, PlanetScope y Sentinel-2 a veces capturan el mismo parche de desechos marinos el mismo día con sólo unos minutos de diferencia. Esta vista doble del mismo objeto en dos ubicaciones revela la dirección de la deriva debido al viento y las corrientes oceánicas en el agua”, dijo el docente de la Universidad de Wageningen.

“Esta información se puede utilizar para mejorar los modelos de estimación de la deriva de desechos marinos”, agregó.

Fuente: agenciaefe.com