Intel·ligència Artificial aplicada a la biodiversitat

Al llarg dels darrers anys la preocupació per l'estat i estabilitat de la biodiversitat als boscos de Catalunya ha anat a l'alça, amb la irrupció de múltiples tècniques i opcions com, per exemple: la gestió d'espais naturals protegits, la col·laboració amb entitats, el voluntariat, les campanyes de conscienciació a la societat, la preservació d'animals en perill d'extinció i la restauració de zones boscoses.

La davallada general de l'estat de la biodiversitat es pot observar a l'estudi de l'Estat General de la Biodiversitat de Catalunya, d'on destaquen conclusions com la baixada del 25% d'individus vertebrats i invertebrats, la preocupació pel model socioeconòmic del territori català en relació a l'ús dels recursos d'una àrea i la relació en similaritat de condicions i dades amb el conjunt d'Europa.

Una tendència en el control de la biodiversitat són les càmeres parany instal·lades als boscos, que permeten sistemes de seguiment i avaluació de l'estat de les poblacions animals. El principal inconvenient en la utilització d'aquesta tecnologia és la gran quantitat de dades en imatges i vídeos que crea, suposant un esforç extra en temps i recursos pels tècnics que les analitzen.

En aquesta línia sorgeix el projecte PyrVision, liderat pel Grup de Biologia de la Conservació del Centre de Ciència i Tecnologia Forestal amb la col·laboració del CVC, en la codirecció d'una tesi doctoral que proposa la utilització de la visió per computador i el deep learning per solucionar problemes de la gestió agro-forestal del territori.

La gran novetat de PyrVision és que automatitza la monitorització de fauna salvatge de forma que s'agilitza el procés d’anàlisi de dades, i això reverteix en que es puguin adoptar mesures de conservació sobre el terreny en molt poc temps. Aquest model d'Intel·ligència Artificial pot arribar a detectar automàticament fins a 15 espècies d’animals (incloent la humana) a més d'humans i vehicles.

Aquesta activitat està finançada a través de l’operació 01.02.01 de Transferència Tecnològica del Programa de desenvolupament rural de Catalunya 2014-2022.

---

Aquest model utilitza YOLOv9, un estat de l'art dels models de detecció d'objectes que permet maximitzar precisió i rapidesa. Una altra característica d'aquest model és que unifica dos models, un d'imatges en color i un altre per imatges en blanc i negre, que permetrà detectar certes espècies més diürnes i d'altres nocturnes.

• Cabirol
• Gat fer
• Llebre
• Isard
• Porc Senglar
• Cérvol
• Ós bru
• Guineu

Podeu accedir al software de codi obert a través del següent enllaç o consultar més informació en aquest article del CTFC.