Inteligencia artificial ayuda a detectar plástico en los océanos

Comparta este Artículo en:

Un equipo de investigación ha desarrollado un nuevo modelo de inteligencia artificial que reconoce plásticos flotantes en imágenes de satélite con mucha más precisión que antes.

Incluso cuando las imágenes están parcialmente cubiertas por nubes o las condiciones climáticas son confusas.

Nuestra sociedad depende en gran medida de los productos plásticos y se espera que la cantidad de residuos plásticos aumente en el futuro.

Si no se descarta o recicla adecuadamente, gran parte se acumula en ríos y lagos.

Con el tiempo fluirá hacia los océanos, donde puede formar acumulaciones de desechos marinos junto con materiales naturales como madera flotante y algas.

Un nuevo estudio de la Universidad de Wageningen e investigadores de la EPFL, ha desarrollado un detector basado en inteligencia artificial que estima la probabilidad de que existan desechos marinos que se muestran en imágenes de satélite.

Esto podría ayudar a eliminar sistemáticamente la basura plástica de los océanos con barcos.

Las acumulaciones de desechos marinos son visibles en las imágenes del satélite Sentinel-2, disponibles gratuitamente, que capturan áreas costeras cada 2 a 5 días en todo el mundo en masas terrestres y áreas costeras.

Debido a que estos equivalen a terabytes de datos, los datos deben analizarse automáticamente a través de modelos de inteligencia artificial como redes neuronales profundas.

Marc Rußwurm, profesor asistente en la Universidad de Wageningen:

“Estos modelos aprenden de ejemplos proporcionados por oceanógrafos y especialistas en teledetección, quienes identificaron visualmente varios miles de casos de desechos marinos en imágenes de satélite en lugares de todo el mundo.

De esta manera “entrenaron” al modelo para que reconociera los desechos plásticos”.

Los investigadores desarrollaron un detector de desechos marinos basado en inteligencia artificial que estima la probabilidad de que haya desechos marinos presentes para cada pixel en las imágenes del satélite Sentinel-2.

El detector se entrena siguiendo principios de IA centrados en datos que tienen como objetivo hacer el mejor uso de los datos de entrenamiento limitados que están disponibles para este problema.

Un ejemplo es el diseño de un algoritmo de visión por computadora que ajusta las anotaciones manuales de los expertos con precisión a los desechos visibles en las imágenes.

Con esta herramienta, los oceanógrafos y expertos en teledetección pueden proporcionar más ejemplos de datos de capacitación al ser menos precisos al hacer clic manualmente en los contornos.

En general, este método de entrenamiento combinado con el algoritmo de refinamiento enseña al modelo de detección de inteligencia artificial profunda a predecir mejor los objetos de desechos marinos que los enfoques anteriores.

Rußwurm: “El detector sigue siendo preciso incluso en condiciones más difíciles.

Por ejemplo, cuando la nubosidad y la neblina atmosférica dificultan que los modelos existentes identifiquen con precisión los desechos marinos”.

La detección de plásticos en desechos marinos en condiciones atmosféricas difíciles con nubes y neblina es particularmente importante, ya que a menudo los plásticos son arrastrados a aguas abiertas después de lluvias e inundaciones.

Así lo demuestran las inundaciones de Semana Santa en Durban, en Sudáfrica: en 2019, un largo período de lluvia provocó el desbordamiento de los ríos, lo que provocó que el agua arrastrara mucha más basura de lo normal.

En las imágenes de satélite, estos objetos que flotan entre las nubes son difíciles de distinguir cuando se utilizan “canales” comunes de color rojo, verde y azul.

Se pueden visualizar cambiando a otros canales espectrales, incluida la luz del infrarrojo cercano.

Además de una predicción más precisa de las acumulaciones de desechos marinos, el modelo de detección también detectará desechos en imágenes de PlanetScope a las que se puede acceder diariamente.

“La combinación de Sentinel-2 semanal con adquisiciones diarias de PlanetScope puede cerrar la brecha hacia un monitoreo diario continuo”, explicó Rußwurm.

“Además, PlanetScope y Sentinel-2 a veces capturan el mismo fragmento de desechos marinos el mismo día con sólo unos minutos de diferencia.

Esta vista doble del mismo objeto en dos ubicaciones revela la dirección de la deriva debido al viento y las corrientes oceánicas en el agua.

Esta información se puede utilizar para mejorar los modelos de estimación de deriva de desechos marinos”.

Fuente: ScienceDirect