Linea de actuación:

Estado:

Fecha de ejecución:

El proyecto, según la entidad, surge de la necesidad de disponer de un sistema eficaz de censo y seguimiento de la biodiversidad para tener información precisa y actualizada sobre el tamaño, distribución y evolución de las poblaciones animales, y mejorar la capacidad para su conservación. La Universidad de Huelva, señala que las cámaras de fototrampeo pueden obtener esta información, pero a pesar de que son capaces de tomar cantidades ingentes de imágenes, no existe un método automático para la extracción del conocimiento de estas imágenes. Según apuntan, normalmente, la identificación de las especies fotografiadas y la digitalización de los datos son llevadas a cabo por técnicos y es tan laborioso que la mayor parte del conocimiento no se explota. La entidad propone este proyecto con el propósito de implementar un sistema de censo y seguimiento de fauna mediante la identificación automática de las especies en las imágenes de fototrampeo que, que en este caso se centra en mamíferos, pero que pueda ser extrapolado y utilizado para otras especies y a escala nacional.

El objetivo principal del proyecto ha sido poner en funcionamiento un sistema automático de censo y seguimiento de biodiversidad mediante la identificación de especies en imágenes de fototrampeo usando algoritmos de aprendizaje profundo (Deep Learning – DL).

Los objetivos específicos son:

• Construir y gestionar una base de datos de imágenes de fototrampeo e información relevante de las mismas.
• Adquirir imágenes de fototrampeo para entrenamiento de los algoritmos de DL que identifiquen en las imágenes las especies de interés.
• Crear un sistema de inteligencia artificial basado en DL para el reconocimiento de especies en imágenes de fototrampeo.
• Recoger imágenes de fototrampeo para el censo y seguimiento de las especies de interés.
• Construir y gestionar un sistema de verificación de especies en imágenes con un nivel bajo de confianza en su clasificación.
• Analizar la información contenida en la base de datos y generar informes técnicos.
• Divulgar y publicitar los resultados del proyecto.

• Diseño de la estructura de la base de datos que permite la organización de las imágenes de fototrampeo y su almacenamiento ordenado según su fecha de captura.
• Implementación de la base datos y de los ficheros generados.
• Creación de un sistema de consulta y actualización de la base de datos.
• Mantenimiento de la base de datos con las revisiones y las acciones realizadas.
• Recopilación de las imágenes de fototrampeo disponibles de otros proyectos. En esta actividad se han establecido diferentes acuerdos con varios investigadores y particulares que han empleado el uso de imágenes de fototrampeo como técnica de campo en sus proyectos, con el fin de conseguir permisos de cesión de sus imágenes.
• Recopilación de imágenes de fototrampeo disponibles en la web que estén etiquetadas para su utilización no comercial. A partir de la actividad anterior se han registrado y clasificado las imágenes de uso no comercial recopiladas a partir de distintas fuentes.
• Diseño y entrenamiento de una red neuronal convolucional CNN (Convolutional Neuronal Network) para el reconocimiento de especies en imágenes de fototrampeo.
• Creación de un programa para el reconocimiento de especies en nuevas imágenes mediante la CNN y que permita la actualización de la base de datos.
• Mejora de la CNN mediante su re-entrenamiento con las nuevas imágenes incorporadas en la base de datos. Se ha realizado la aplicación de inteligencia artificial (Artificial Intelligence, AI). De este modo, se ha mejorado la precisión de la CNN para el reconocimiento de taxones y grupos.
• Selección de 12 especies censadas. Finalmente, se han censado todas las especies de mamíferos silvestres y domésticos presentes en el Espacio Natural de Doñana, mejorando la propuesta inicial aprobada.
• Estudio de localización y selección de emplazamientos de las cámaras de fototrampeo.
• Instalación de cámaras de fototrampeo, mantenimiento y descarga de imágenes capturadas.
• Clasificación de las imágenes mediante el sistema de inteligencia artificial desarrollado.
• Creación de un proyecto de ciencia ciudadana en la plataforma org, con el fin de solicitar la colaboración de voluntarios en la verificación de las especies presentes en las imágenes clasificadas mediante inteligencia artificial (CNN) bajo el nombre “Iberian Camera Trap Proyect”.
• Gestión del proyecto de verificación “Iberian Camera Trap Proyect”. Esta acción ha consistido en atender las cuestiones y dudas generadas por las personas voluntarias en los foros de la plataforma, así como las incidencias de carácter técnico surgidas a lo largo del proyecto.
• Análisis de parámetros demográficos para 5 taxones de interés en el Parque Nacional de Doñana. Entre ellos, 3 corresponden a mamíferos silvestres (cérvidos, jabalíes y zorros) y 2 a mamíferos domésticos (caballos y vacas).
• Divulgación y comunicación del proyecto para dar a conocer el funcionamiento y las aplicaciones del sistema de censo implementado a lo largo de la iniciativa.

El objetivo del proyecto AI-CENSUS ha sido poner en funcionamiento un sistema automático de censo y seguimiento de biodiversidad. Para mejorar la gestión y conservación de las especies se hace fundamental tener información precisa y de calidad sobre el tamaño, distribución y evolución de sus poblaciones.

A través de la monitorización de las especies de manera remota mediante cámaras de fototrampeo se puede obtener esta información, pero, aunque las cámaras son capaces de tomar cantidades ingentes de imágenes, no existe un método automático para la extracción del conocimiento de éstas. Normalmente, la identificación de las especies fotografiadas y la digitalización de los datos se lleva a cabo de forma manual y es una tarea tan ardua que la mayor parte del conocimiento no se puede llegar a explotar.

En el marco del proyecto AI-CENSUS se ha implementado un sistema de censo y seguimiento de fauna mediante la identificación automática de las especies en las imágenes de fototrampeo usando algoritmos de inteligencia artificial (AI). Para ello, se entrenó una red neuronal convolucional (CNN) mediante algoritmos de aprendizaje profundo (Deep Learning) con imágenes de fototrampeo correctamente clasificadas.

Las imágenes fueron tomadas en el Parque Nacional de Doñana mediante la instalación de 38 cámaras de fototrampeo que tomaron 3.673.723 imágenes de entre octubre de 2020 y diciembre de 2022. Parte de estas fotos fueron subidas a la plataforma de ciencia ciudadana Zooniverse, donde más de 15.000 voluntarios clasificaron 1.500.000 imágenes. Las imágenes clasificadas por las personas voluntarias y revisadas por los investigadores se utilizaron para entrenar la CNN. De esta forma, el resto de las imágenes fueron clasificadas mediante la IA.

La red se mostró elevadamente eficaz para la clasificación de las especies de mamíferos de mediano y gran tamaño presentes en el Parque Nacional. La AI alcanzó valores de sensibilidad entre 0.72 – 0.98 cuando se utilizaron todas las imágenes clasificadas y de entre 0.95 – 0.99 cuando se utilizaron únicamente las imágenes en las que el sistema tenía mayor confianza.

Por otra parte, la precisión de la AI alcanzó valores entre 0.47 – 0.98 cuando se utilizaron todas las imágenes y de entre 0.89 – 0.99 cuando se utilizaron únicamente las imágenes de mayor confianza. Además, la red fue capaz de clasificar 777.600 imágenes por día, frente a las 1.528 imágenes que clasificaron al día los voluntarios. Más allá de la clasificación de las imágenes, mediante modelos jerárquicos de ocupación dinámica se pudieron obtener datos demográficos sobre las poblaciones monitorizadas como la probabilidad de ocupación, de colonización o la probabilidad de extinción.

En este sentido, a través de la AI se han identificado 7 taxones o grupos de especies: Leporidae, Cervidae, Vaca, Caballo, Jabalí, Zorro, Humano y “Otras especies”. Además, mediante la clasificación en CNN se han censado 12 especies diferentes: zorro (Vulpes vulpes), tejón (Meles meles), meloncillo (Herpestes ichneumon), gineta (Genetta genetta), lince ibérico (Lynx pardinus), jabalí (Sus scrofa), ciervo (Cervus elaphus), gamo (Dama dama), vaca o toro (Bos taurus), liebre ibérica (Lepus granatensis), conejo (Oryctolagus cuniculus) y caballo o yegua (Equus ferus caballus).

En este contexto, los resultados del proyecto han permitido avalar la utilidad de la inteligencia artificial para disponer de datos precisos sobre la demografía de las poblaciones y poder mejorar su conservación y gestión. Igualmente, mediante la combinación de la monitorización de especies mediante cámaras de fototrampeo, la identificación de especies mediante inteligencia artificial y el uso de modelos estadísticos avanzados se puede tener información constante y actualizada del tamaño, distribución y evolución de las poblaciones animales.