Un nuevo método automatizado para preparar fotos digitales para el análisis ayudará a los investigadores de vida silvestre que dependen de fotografías a identificar animales individuales por sus marcas únicas. Un biólogo de vida silvestre de Penn State se asoció con científicos de Microsoft Azure, un servicio de computación en la nube, usando una máquinaAprender tecnología para mejorar la forma en que las fotografías se convierten en datos utilizables para la investigación de la vida silvestre. Un artículo que describe la nueva técnica aparece en línea en la revista Informática ecológica .
"Muchos investigadores necesitan identificar y recopilar datos sobre individuos específicos en su trabajo, por ejemplo para estimar la supervivencia, la reproducción y el movimiento", dijo Derek Lee, profesor asociado de investigación de biología en Penn State y científico principal del Wild Nature Institute. "En lugar de etiquetas y otras marcas aplicadas por humanos que podrían interferir con el comportamiento del animal, muchos investigadores toman fotografías de las marcas únicas del animal. Tenemos un software de reconocimiento de patrones para ayudar a analizar estas fotos, pero todas las fotos deben prepararse manualmente paraanálisis. Debido a que a menudo tenemos miles de fotos para analizar, esto crea un serio cuello de botella ".
Lee usa fotografías como parte de un gran estudio en curso para comprender los nacimientos, las muertes y el movimiento de más de 3.000 jirafas en África Oriental. Él y su equipo toman fotografías digitales de los patrones de manchas únicos e inmutables de cada animal para identificarlos a lo largo de sus vidas.Pero antes de que las imágenes puedan ser procesadas por el software de reconocimiento de patrones para identificar a las personas, el equipo de investigación tiene que recortar manualmente cada foto o delinear un área de interés. Lee colaboró con científicos de Microsoft, que han proporcionado un nuevo servicio de procesamiento de imágenes para automatizar esto.proceso esencial y que consume mucho tiempo utilizando la tecnología de aprendizaje automático implementada en la nube de Microsoft Azure.
Utilizando un algoritmo informático para la detección de objetos, el equipo de Microsoft entrenó un programa para reconocer los torsos de jirafa usando fotos existentes que habían sido anotadas a mano. El programa se mejoró iterativamente usando un proceso de aprendizaje activo, donde el sistema mostró cuadrados de recorte predichos en nuevosimágenes a un humano que podría verificar o corregir rápidamente los resultados. Estas nuevas imágenes se retroalimentaron en el algoritmo de entrenamiento para actualizar y mejorar aún más el programa. El sistema resultante identifica la ubicación de los torsos de jirafa en imágenes con una precisión muy alta, inclusocuando la jirafa es una pequeña porción de la imagen o su torso está parcialmente bloqueado por la vegetación.
"El sistema logra un reconocimiento casi perfecto de los torsos de jirafa sin requisitos costosos de hardware como una unidad de procesamiento de gráficos de alta potencia", dijo Lee. "Es maravilloso cómo el equipo de Azure automatizó este aspecto tedioso de nuestro trabajo. Solíatómenos una semana para procesar nuestras nuevas imágenes después de una encuesta, y ahora se hace en minutos. Este sistema nos acerca a la identificación automática de animales a partir de fotos ".
El nuevo sistema acelerará dramáticamente la investigación de Lee sobre las poblaciones de jirafas, que han disminuido rápidamente en África debido a la pérdida de hábitat y la matanza ilegal de carne.
"Las jirafas son animales grandes y cubren grandes distancias, por lo que, naturalmente, estamos utilizando grandes datos para saber dónde les está yendo bien, dónde no y por qué, para que podamos proteger y conectar las áreas importantes para la conservación de la jirafa,"dijo Lee." Necesitábamos nuevas herramientas para lograr esto, y había una conjunción armónica con la tecnología Azure que hizo posible nuestro trabajo ".
Este proceso también será útil para los investigadores que estudian otros animales con patrones de identificación únicos, incluidos algunos gatos salvajes, elefantes, salamandras, peces, pingüinos y mamíferos marinos. El sistema podría capacitarse para identificar y recortar una foto en una regiónde interés específico para estas especies.
Fuente de la historia :
Materiales proporcionado por Estado Penn . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :