Inteligencia artificial y drones para proteger la fauna marina en Chubut

Chubut11/04/2025REDACCIÓNREDACCIÓN
Imágenes de fauna marino-costera
Imágenes de fauna marino-costera

Especialistas argentinos presentaron un modelo pionero para el monitoreo de fauna marino-costera que combina imágenes aéreas de alta resolución y técnicas de inteligencia artificial. El método, desarrollado en la Península Valdés, permite detectar, clasificar y contar especies como el elefante marino del sur (Mirounga leonina) y el lobo marino de un pelo (Otaria flavescens) de forma automatizada, rápida y precisa.

El sistema fue creado por un equipo interdisciplinario de investigadores de áreas como biología, ingeniería, física y computación, con participación de instituciones como CESIMAR-CONICET, UNS y UNSJB. El estudio utilizó imágenes tomadas durante vuelos a bordo de un avión CESSNA C-182 del Aeroclub Puerto Madryn. En total, se relevaron más de 300 kilómetros de costa en la primavera de 2023.


OTRAS NOTICIAS: 

Secuestro de madera en Lago PueloLago Puelo: Incautaron madera por 250 millones de pesos de una empresa ilegal


Para entrenar el modelo se utilizó un subconjunto de 461 imágenes, donde especialistas identificaron manualmente individuos por especie, sexo, edad (en el caso de los elefantes marinos) y estado de salud. Luego se aplicó un modelo de aprendizaje profundo basado en la arquitectura YOLO v10x, una de las más avanzadas en detección de objetos.

“La colaboración entre biólogos y expertos en visión por computadora fue clave para garantizar datos precisos”, explicó Elena Eder, investigadora del CESIMAR. Se aplicaron técnicas de aumento de datos para mejorar la robustez del modelo frente a variaciones de luz, ángulos de cámara y obstáculos visuales.


OTRAS NOTICIAS: 

refaunarChubut inaugura el primer centro de rescate de fauna silvestre de la Patagonia


El resultado fue altamente efectivo, con un nivel elevado de precisión para clasificar animales por especie, sexo y edad, y detectar otras categorías como aves marinas. Una vez entrenado, el modelo puede procesar grandes volúmenes de datos en menos de una hora, algo impensado con métodos tradicionales.

Una de las principales fortalezas del modelo es su capacidad multi-objetivo, lo que permite realizar un censo de múltiples especies en una sola campaña. Esta característica fue especialmente útil durante el brote de influenza aviar altamente patógena registrado en la región en 2023, cuando fue necesario contar rápidamente la mortalidad entre lobos y elefantes marinos.

Además, se destaca el potencial para detectar residuos antropogénicos y otros indicadores ambientales en futuras versiones del modelo. Aunque este aspecto aún no fue abordado, los investigadores consideran que podría adaptarse fácilmente para identificar basura o estructuras artificiales en la costa.


OTRAS NOTICIAS: 

Cerro ChapelcoEl Cerro Chapelco estará bajo gestión estatal hasta junio y ya tiene nuevos precios


El proyecto fue publicado en la revista Journal of Imaging y recibió financiamiento de múltiples organismos nacionales, como los Proyectos Federales de Innovación del ex Ministerio de Ciencia, la Agencia Nacional de Promoción de la Investigación y fondos universitarios. Participaron Elena Eder, Octavio Ascagorta, María Débora Pollicelli, Francisco Iaconis, Mathías Vázquez-Sano y Claudio Delrieux.

Las proyecciones a futuro son alentadoras: ampliación a otras regiones costeras, incorporación de imágenes satelitales, uso de herramientas semiautomatizadas para acelerar el etiquetado de datos y modelos generativos que mejoren la precisión del monitoreo aéreo.

   

Te puede interesar

Suscribite al newsletter de #LA17