El objetivo global de este proyecto es desarrollar técnicas avanzadas de Visión por Computador (VxC) basadas en Deep Learning y Convolutional Neural Networks (CNN) aplicables a entornos naturales subacuáticos para caracterizar biométricamente poblaciones de atún rojo de forma automática. Los objetivos concretos son:

• Implementar algoritmos de Deep Learning y redes CNN´s apropiadas para trabajar con entornos y especies naturales, caracterizados por un elevado grado de variabilidad.

• Evaluar la detección y caracterización de atunes en videos estereoscópicos adquiridos en condiciones reales con los desarrollos propuestos en Deep Learning y compararlos con los obtenidos con técnicas clásicas de procesamiento. En concreto, se quiere conseguir mecanismos robustos frente a la alta variabilidad intrínseca de entornos naturales y subacuáticos (luminosidad, turbidez del agua, densidad de individuos, etc.), optimizando tanto el número de atunes detectados como el tiempo de respuesta.

• Generalizar el procedimiento para que el sistema sea capaz de caracterizar la biometría de los atunes independientemente de la posición y orientación en el espacio de las cámaras y de los peces.

• Aplicar los desarrollos propuestos a la detección y tracking de individuos de atún rojo en transferencias entre jaulas.

• Estudiar la viabilidad de extrapolar las técnicas para la identificación y caracterización de otras especias marinas.

Noticias relacionadas

• Marzo 2023 – Un equipo del ai2 diseña un sistema de inteligencia artificial basada en deep learning para contribuir a una acuicultura inteligente y una pesca sostenible