IMEDEA está desarrollando un sistema automático de medida en lonja de la longitud de las merluzas mediante Deep Learning

IMEDEA está desarrollando un sistema automático de medida en lonja de la longitud de las merluzas mediante Deep Learning

El Instituto Mediterráneo de Estudios Avanzados (IMEDEA) trabaja en el desarrollo de un sistema para estimar la longitud total de las merluzas a partir de imágenes de cajas de pescado, tal y como son desembarcadas por los pescadores.

La talla del pescado capturado es una de las variables clave para predecir la abundancia de merluza en el futuro y, por tanto, para asegurar la sostenibilidad de la actividad pesquera. Hasta ahora, la talla era medida de forma manual y solo de una pequeña muestra de todos los peces desembarcados.

El sistema de IMEDEA permitirá medir la talla de un gran número de peces, de muchas especies, de forma automática, mediante el tratamiento de imágenes de lonja mediante el sistema Deep Learning.

Durante 2018 el grupo de ecología de peces del IMEDEA ha desarrollado el proyecto FOTOPEIX, que forma parte del programa PLEAMAR, financiado por la Fundación Biodiversidad. En este proyecto se aplica el Deep Learning para estimar la longitud total de las merluzas a partir de imágenes de cajas de pescado, tal y como son desembarcadas por los pescadores.

Según publica IMEDEA, a lo largo del año pasado han visitado la lonja en numerosas ocasiones, recogiéndo más de 600 imágenes de cajas de merluza. La estrategia de análisis ha sido identificar el máximo número de cabezas de merluza de cada caja, ya que el tamaño de la cabeza está relacionado la talla total del pescado. De todas estas imágenes, una parte ha sido utilizada para el entrenamiento de una red neuronal de convolución multicapa. Para ello, se ha extraído manualmente la forma de más de 2.000 cabezas. Estas imágenes de cabezas de merluza han servido de modelos para que una red profunda de convolución (más conocida como Deep Learning) aprenda a reconocer cabezas en nuevas imágenes.

IMEDEA ha adoptado un criterio muy conservador, en el sentido de que los objetos seleccionados automáticamente por la red como cabezas tienen una probabilidad muy alta de ser cabezas. En otras palabras, se ha conseguido que apenas se den casos de “falsos positivos” (objetos que el algoritmo propone como cabezas pero que en realidad no lo son). Además, la precisión de la estima de la longitud de la cabeza es muy satisfactoria: la diferencia entre los valores estimados y los reales es, en general, menor de medio centímetro. Por tanto, dado que la fiabilidad y precisión son más que aceptables, este algoritmo podrá utilizarse en un futuro muy cercano para estimar la talla de las capturas de manera totalmente automatizada y masiva.

El Deep Learning ya está siendo ampliamente utilizada en múltiples aspectos de nuestro día a día. Por ejemplo, el reconocimiento facial en cámaras de vigilancia. Las aplicaciones industriales y biomédicas son muy numerosas. Gracias al Deep Learning, la detección y clasificación de objetos en imágenes de forma no supervisada (automática) se hace de manera mucho más rápida y eficiente, lo que está suponiendo una revolución cuantitativa y cualitativa en el tratamiento de la información relacionada con imágenes.

El proyecto se ha podido desarrollar gracias a la implicación de Opmallorcamar, comercializadora del sector pesquero, que se ha mostrado muy interesado en los datos generados. El Govern de les Illes Balears también está interesado en posibles aplicaciones relacionadas con la gestión pesquera. Asimismo, los datos generados serán muy útiles para entender los cambios en la abundancia de los recursos pesqueros desde un punto de vista científico.

No Comments

Sorry, the comment form is closed at this time.