BIODIVERSIDAD · IA

Proyecto Karibou

Clasificar automáticamente las imágenes de las cámaras trampa para conservar solo aquellas en las que aparece un animal.

Proyecto Karibou: detección de animales salvajes mediante inteligencia artificial

LOS RETOS

Cientos de miles de imágenes, muy pocos animales

Instaladas en la tundra, las cámaras trampa se activan de forma continua. En una temporada producen cientos de miles de imágenes, la inmensa mayoría sin ningún animal. Clasificarlas a mano requiere semanas de trabajo.

El proyecto Karibou tiene dos objetivos:

  • eliminar automáticamente una gran parte de las imágenes sin animales;
  • conservar todas las demás para que un ojo humano las examine.
Imagen de cámara trampa en la tundra, con un animal detectado en un recuadro rojo
Un animal detectado en el paisaje: solo unos pocos píxeles.

NUESTRO ENFOQUE

Vemos el animal porque se mueve

En estos grandes paisajes abiertos, un caribú o un ganso a menudo solo mide unos pocos píxeles: demasiado pequeño para los sistemas de detección clásicos. Por eso el proyecto Karibou aprovecha el movimiento, analizando cada imagen junto con la anterior y la siguiente. Descubra nuestro enfoque de la IA aplicada al medio ambiente.

Imagen anterior, imagen anotada, imagen siguiente y composición en color
Imagen anterior, imagen anotada, imagen siguiente y composición en color: el movimiento hace resaltar al animal.

Ventana temporal

Cada imagen se compara con sus vecinas inmediatas para hacer resaltar lo que se mueve.

Eventos

Una serie de imágenes consecutivas forma un «evento», la unidad que el modelo conserva o descarta.

Clasificación asistida

El modelo no sustituye al experto: le evita examinar las imágenes vacías.

LOS DATOS

Once tarjetas, siete sitios, 318 eventos

105 320

imágenes recogidas

7

sitios de seguimiento

318

eventos anotados

2486

imágenes anotadas

Los eventos anotados corresponden sobre todo a gansos (142), aves sin identificar (60) y caribúes (41), pero también a otros mamíferos, gaviotas y pasos de personas o vehículos.

El 93 % de las imágenes anotadas tiene una vecina casi idéntica en la misma ráfaga. Para evitar una evaluación demasiado optimista, el modelo nunca se valida con una selección aleatoria de imágenes, sino siempre con un sitio completo reservado.

Ejemplo de detección de un caribú con la ventana temporal
Ejemplo de caribú detectado: la composición temporal hace resaltar al animal en movimiento.

LAS DIFICULTADES

Anotaciones imperfectas

  1. La posición de las anotaciones está desplazada según las cámaras.
  2. Una anotación puede corresponder a uno o varios animales.
  3. Algunas imágenes están marcadas con un animal, pero sin coordenadas.

LA MEDICIÓN

No perder ningún animal

Medimos la proporción de imágenes vacías descartadas conservando los eventos anotados:

  • al 100 % : el modelo no descarta ningún evento válido;
  • al 99 % : nos permitimos perder el 1 % de los eventos válidos.

¿Un proyecto de seguimiento de la fauna?

Hablemos de sus necesidades de detección y análisis de imágenes.