Implementación de técnicas de aprendizaje automático en sistemas de cámara trampa

Abstract

La humanidad está experimentando una revolución sin precedentes gracias a tecnologías emergentes como la robótica, el big data y la inteligencia artificial. Estas innovaciones están transformando sectores que antes se consideraban inamovibles, y es fundamental estudiar y comprender estas tecnologías que ya forman parte integral de nuestra sociedad. Su potencial para el desarrollo de nuevas aplicaciones es inmenso, y su correcto uso puede generar mejoras significativas en la calidad de vida de las personas. En este proyecto, nos enfocaremos en explorar una forma específica de poner la inteligencia artificial al servicio de la sociedad. La inteligencia artificial ofrece una serie de herramientas y capacidades que tienen el potencial de abordar problemas complejos que necesitan de la intervención humana por lo que pueden brindar soluciones innovadoras en diversos campos. Nuestro objetivo es investigar y desarrollar una aplicación práctica de inteligencia artificial mediante la implementación de un modelo de detección de objetos en una Raspberry Pi 3B. Esta combinación nos permite aprovechar los avances de la inteligencia artificial en un dispositivo accesible y de bajo costo. En particular, nos centraremos en un desafío concreto: mejorar los sistemas de fototrampeo utilizados para el seguimiento y control de las poblaciones de lince ibérico. El lince ibérico es una especie en peligro de extinción, y su supervivencia depende de un monitoreo preciso y efectivo de su población. El uso tradicional de los sistemas de fototrampeo presenta limitaciones ya que estos recogen una cantidad muy abundante de datos que debe ser procesada por una persona para clasificar las diferentes capturas y poder obtener conclusiones. Al implementar un modelo de inteligencia artificial en la Raspberry Pi 3B, se analizarán automáticamente las imágenes capturadas, clasificando las diferentes detecciones para poder obtener datos relevantes sobre su comportamiento y distribución incluso en tiempo real. Para cumplir este objetivo se hará uso del marco de trabajo Tensorflow Lite, así como del modelo de detección SSD MobileNetV2 FPN. Para poder implementar la aplicación se construirá un conjunto de datos que permita entrenar un modelo capaz de detectar la presencia de diferentes especies, entre ellas el lince. Se buscará un buen rendimiento del modelo en las condiciones más límites que presentan los medios naturales, entre ellas la escasez de luz. En resumen, este proyecto se enfoca en estudiar una forma concreta de poner la inteligencia artificial al servicio de la sociedad. Mediante su implementación en una Raspberry Pi 3B, buscamos mejorar los sistemas de fototrampeo utilizados para el seguimiento y control de las poblaciones de lince ibérico. Este enfoque no solo tiene el potencial de preservar esta especie en peligro crítico de extinción, sino también de sentar las bases para aplicaciones futuras de inteligencia artificial en beneficio de la sociedad en su conjunto.

Humanity is experiencing an unprecedented revolution thanks to emerging technologies such as robotics, big data, and artificial intelligence. These innovations are transforming industries that were once considered immovable, and it is crucial to study and understand these technologies that have already become an integral part of our society. Their potential for developing new applications is immense, and their proper use can generate significant improvements in people's quality of life. In this project, we will focus on exploring a specific way to harness the power of artificial intelligence for the benefit of society. Artificial intelligence offers a range of tools and capabilities that have the potential to address complex problems that typically require human intervention, thus providing innovative solutions in various fields. Our objective is to investigate and develop a practical application of artificial intelligence by implementing an object detection model on a Raspberry Pi 3B. This combination allows us to leverage the advancements in artificial intelligence on an accessible and low-cost device. We will concentrate on a specific challenge: improving the phototrapping systems used for monitoring and controlling Iberian lynx populations. The Iberian lynx is an endangered species, and its survival depends on accurate and effective population monitoring. Traditional phototrapping systems have limitations as they collect a large amount of data that needs to be manually processed for classification and drawing conclusions. By implementing an artificial intelligence model on the Raspberry Pi 3B, captured images will be automatically analyzed, enabling the classification of different detections to obtain relevant data on lynx behavior and distribution, even in real-time. To achieve this objective, we will utilize the Tensorflow Lite framework and the SSD MobileNetV2 FPN detection model. To implement the application, a dataset will be constructed to train a model capable of detecting the presence of different species, including the lynx. The model's performance will be optimized for the challenging conditions encountered in natural environments, such as low light availability. In summary, this project focuses on studying a specific approach to harness artificial intelligence for the benefit of society. By implementing it on a Raspberry Pi 3B, we aim to improve the phototrapping systems used for monitoring and controlling Iberian lynx populations. This approach not only has the potential to preserve this critically endangered species but also lays the foundation for future applications of artificial intelligence for the benefit of society.