OBJETIVO DEL PROYECTO

Crear un RESUMEN que proporcione una visión completa del proyecto.

El Sistema Integrado de Gestión del Medio Natural (SigMedNat) mantiene una base de datos con información relevante de la Dirección General de Medio Natural del Gobierno de Cantabria. Este sistema permite la visualización y categorización de los contactos con el medio natural, consistiendo en capturas fotográficas (imágenes y videos) obtenidas a través de una red de cámaras automáticas distribuidas en cuadrículas por el área suroeste de Cantabria.

Proyecto cofinanciado hasta el 50% del valor de la operación por la Dirección General de Innovación, Desarrollo Tecnológico y Emprendimiento Industrial del Ministerio de Innovación, Industria, Turismo y Comercio del Gobierno de Cantabria, y por la Unión Europea con recursos del Fondo Europeo de Desarrollo Regional (FEDER) a través del Programa Operativo FEDER 2014-2020 de Cantabria.

Tanto la identificación de especies como la categorización, junto con otros aspectos relevantes como el estado de salud, son determinados por uno o más expertos que revisan las capturas fotográficas. La base de datos de este sistema tiene las siguientes características:

1. El sistema cubre 12 regiones: Liébana, Nansa, Saja, Campoo, Valderredible, Besaya, Pas, Miera, Asón, Costa Oriental, Costa Central y Costa Occidental.
2. Un total de 84 cuadrículas están distribuidas por las regiones que cubren el área.
3. Entre las cuadrículas (principalmente en la zona suroeste), un total de 93 cámaras capturan imágenes del medio natural.
4. Las capturas están categorizadas según la especie de los animales presentes, permitiendo un total de 878 especies diferentes.
5. Las especies están organizadas en 6 clases distintas: Anfibios y reptiles, Aves, Mamíferos, Murciélagos, Peces de agua dulce y Otros.
6. Las capturas realizadas por las cámaras también están organizadas en diversos proyectos según los animales monitoreados: Lobo, Oso pardo, Jabalí, Zorro, Corzo, Ciervo, Ganado, Roedores, Aves y Animales domésticos. Además, se incluyen categorías para Otras especies de interés, Cámaras móviles y Especies no identificadas.
7. Cada contacto registrado por una cámara puede contener varias imágenes y/o videos.
8. Para cada captura fotográfica, se realiza un esfuerzo para identificar las especies presentes en la imagen, así como el número de animales presentes según el sexo (macho, hembra o desconocido) y la edad (juveniles, subadultos y adultos).
9. Las capturas correspondientes a humanos se descartan del sistema.
10. Las capturas fotográficas presentan condiciones muy diversas de clima, iluminación, ambiente y calidad de imagen.

TIPO DE PROYECTO

Investigación Industrial

El objetivo principal del proyecto es especificar, diseñar e implementar un prototipo experimental de laboratorio que permita la identificación y categorización automática de las capturas fotográficas de animales obtenidas a través de la red de cámaras de disparo mencionada anteriormente, así como facilitar el monitoreo de especies para los biólogos expertos.

Los objetivos específicos incluyen:

Objetivo 1. Construir un prototipo experimental en un entorno con interfaces simuladas que permita la identificación y categorización (clase, especie, número, edad, sexo) de los animales capturados por las cámaras utilizando técnicas de minería de datos y aprendizaje automático, específicamente aprendizaje profundo, reemplazando así la intervención humana en la actividad de procesamiento de información. Este prototipo debe considerar diferentes condiciones de iluminación, clima, ambiente y resolución.

Objetivo 2. Para gestionar mejor la fauna en general y las especies protegidas, el sistema debe asistir en la consecución de los siguientes subobjetivos:

• 1. Determinar la proporción relativa de especies.
• 2. Inferir la presencia o ausencia de especies.
• 3. Establecer un patrón de actividades para cada especie, si es posible.
• 4. Determinar la distribución por cuadrículas y regiones.
• 5. Hacer énfasis en la información sobre osos, lobos y jabalíes.

Objetivo 3. El sistema utilizará una metodología de aprendizaje profundo, y el algoritmo fundamental de categorización debe ser reconfigurable automática o semi-automáticamente a medida que la base de datos con cuadros etiquetados crezca. Este enfoque está alineado con las ideas más avanzadas del aprendizaje automático, donde la arquitectura de los modelos computacionales debería actualizarse automáticamente con el tiempo, constituyendo uno de los desafíos importantes en la investigación del aprendizaje automático.

Objetivo 4. El monitoreo de animales se habilitará mediante el uso de modelos probabilísticos considerando la distribución de especies y su movimiento entre diferentes áreas de captura fotográfica. Se utilizarán técnicas de aprendizaje observacional para extraer el modelo de comportamiento de las especies.

Los resultados del desarrollo del proyecto permitirán a Axpe Consulting Cantabria ofrecer soluciones a las empresas dedicadas a la gestión del Medio Natural de Cantabria, que requieren servicios para la identificación y reconocimiento de imágenes de animales tomadas a través de cámaras de vigilancia.

Los avances en las técnicas de procesamiento de datos y aprendizaje automático, principalmente basados en aprendizaje profundo, particularmente en redes neuronales convolucionales, permitirán a Axpe Consulting Cantabria posicionarse como una empresa líder en el campo de la Inteligencia Artificial, que actualmente es estratégica para la empresa. En la identificación automática e interpretación de soluciones de imágenes y videos, que están en alta demanda debido a las necesidades de seguimiento de la enfermedad COVID-19.

PRODUCTO, PROCESO Y/O SERVICIO

Explicación detallada del producto, proceso y/o servicio novedoso que podría convertirse en una realidad empresarial.

Para realizar este estudio, se propone la construcción de un prototipo en un entorno de laboratorio para experimentar con la categorización de especies. Este prototipo constará de los siguientes componentes que operarán en combinación:

• El prototipo experimental de una aplicación que permita capturar y procesar los datos de movimiento de los animales almacenados en la base de datos.
• Modelos computacionales para representar los movimientos.
• Software basado en redes neuronales convolucionales aprendidas automáticamente que permita categorizar especies y otros atributos requeridos.
• Servicios web genéricos para comunicar interoperablemente las predicciones de la red neuronal convolucional a los sistemas gestionados por los biólogos responsables del programa.
  El estudio experimental evaluará los siguientes aspectos para determinar la viabilidad de la propuesta para una futura evolución a un producto comercializable usable por los biólogos encargados del programa:
• Un estudio con cuadros que determinará la tasa de éxito para categorizar correctamente las especies. Esta tasa de éxito se cuantificará como el porcentaje de acuerdo entre los resultados de la red neuronal convolucional y las categorizaciones realizadas por los expertos.
• Una evaluación según la familia de normas ISO/IEC 25000, conocida como SQuaRE (Requisitos de Calidad del Sistema y del Software y Evaluación), que permitirá medir de forma estandarizada el cumplimiento de los requisitos funcionales y no funcionales esenciales en la infraestructura del laboratorio experimental (seguridad, rendimiento, fiabilidad, etc.).
• Una evaluación por parte de expertos del impacto de la propuesta en la categorización de especies.

UBICACIÓN DEL PROYECTO

Axpe Consulting Cantabria S.L.

Polígono Camargo 16C

39600 Camargo, Cantabria

Fecha de inicio del proyecto

Siempre después o igual a la fecha de solicitud.

1 de diciembre de 2020

Fecha de finalización del proyecto

Como máximo el 31 de agosto de 2022.

31 de agosto de 2022.