Aplicació de l'intel·ligència artificial per obtenir paràmetres sobre l'ecologia de Xyrichtys novacula

Abstract

[cat] La intel·ligència artificial (IA) està de cada vegada més present en tot els àmbits de la ciència. En el cas de l’ecologia, la seva utilització ha suposat una gran millora en els darrers cinc anys, en l’obtenció de dades d’abundància i diversitat d’espècies amb l’objectiu de millorar-ne la seva conservació. En aquest treball s’ha desenvolupat un algoritme de Deep Learning (branca del entrenament de les màquines de la IA) pel seguiment automàtic de poblacions de peixos en el medi marí utilitzant càmeres submarines. El nostre cas d’estudi es centra en el raor (Xyrichtys novacula), una espècie d’alt interès pesquer per les Illes Balears del qual és necessari millorar-ne el seu seguiment. Per aconseguir-ho, vàrem entrenar tres versions de la xarxa de Deep learning anomenada Faster R-CNN amb la funció de detecció automàtica i no supervisada del raor: una sense augmentació i dos llindars d’augmentació per tal d’observar quina podria donar millors resultats. Després d’una validació on es comparava la classificació de les diferents versions de la xarxa amb una classificació feta visualment, vàrem observar que la xarxa amb major percentatge d’encert fou la xarxa sense augmentació amb una taxa del 74% en la detecció del raor. Aquest resultat suggereix que el nostre algoritme basat en la xarxa Faster R-CNN és una eina prometedora per automatitzar el seguiment de les poblacions de raors de les Illes Balears i contribuir així a la seva gestió i conservació. Aquest treball, a més, estableix les bases per la millora de l’algoritme i fer-lo extensible a altres espècies de peixos de les Illes Balears o fins i tot terrestres, amb l’objectiu de dissenyar estratègies de seguiment automàtic de la biodiversitat mitjançant la IA.

[eng] The use of Artificial intelligence (AI) is growingin all areas of science. In the case of ecology, the use of AI has increased exponentially in the last five years, mainly to generate and analyze massive data sets of abundance and diversity of species. In this work, a Deep Learning algorithm (as a branch of AI) has been developed for the automatic monitoring of fish populations in the marine environment using underwater cameras. Our case study focuses on the raor (Xyrichtys novacula), a species of high fishing interest in the Balearic Islands whose monitoring needs to be improved. To achieve this, we have trained three versions of the Deep learning network called Faster R-CNN with the function of automatic and unsupervised detection of fish: one without augmentation and two more with two augmentation thresholds in order to observe which could give the best results. After a validation, we have observed that the network with the highest percentage of success was the network without increase with a rate of 74% in the detection of the raor. This result suggests that our algorithm based on the Faster R-CNN network is a promising tool to automate the monitoring of the raor populations of the Balearic Islands, and thus contribute to their management and conservation. This work also establishes the basis for improving the algorithm and making it extensible to other fish species in the Balearic Islands or even terrestrial, with the aim of designing strategies for automatic monitoring of biodiversity through AI.