Investigadores desarrollan un modelo de IA que utiliza imágenes de satélite para detectar plástico en los océanos.

22 de noviembre de 2023

Este artículo ha sido revisado de acuerdo con el proceso editorial y las políticas de Science X. Los editores han destacado las siguientes características al asegurar la credibilidad del contenido:

• verificación de hechos
• publicación revisada por pares
• fuente confiable
• corrección de pruebas

por la Universidad de Wageningen

Cada día termina más y más basura de plástico en los océanos. Las imágenes de satélite pueden ayudar a detectar acumulaciones de basura a lo largo de las costas y en el mar para poder retirarla. Un equipo de investigación ha desarrollado un nuevo modelo de inteligencia artificial que reconoce plásticos flotantes de manera mucho más precisa en imágenes de satélite que antes, incluso cuando las imágenes están parcialmente cubiertas por nubes o las condiciones climáticas están borrosas. 

Nuestra sociedad depende en gran medida de productos de plástico y se espera que la cantidad de residuos plásticos aumente en el futuro. Si no se desechan o reciclan adecuadamente, gran parte de ellos se acumula en ríos y lagos. Eventualmente, fluirán hacia los océanos, donde pueden formar agregaciones de desechos marinos junto con materiales naturales como la madera flotante y las algas.

Un nuevo estudio de investigadores de la Universidad de Wageningen y EPFL, publicado recientemente en iScience, ha desarrollado un detector basado en inteligencia artificial que estima la probabilidad de presencia de desechos marinos en imágenes de satélite. Esto podría ayudar a eliminar sistemáticamente la basura de plástico de los océanos con barcos.

Las acumulaciones de desechos marinos son visibles en imágenes de satélite Sentinel-2 disponibles de forma gratuita, que capturan áreas costeras cada 2-5 días en todo el mundo en masas de tierra y áreas costeras. Debido a que esto equivale a terabytes de datos, se necesita analizar automáticamente los datos a través de modelos de inteligencia artificial como redes neuronales profundas.

Marc Rußwurm, profesor asistente en la Universidad de Wageningen, dice: "Estos modelos aprenden de ejemplos proporcionados por oceanógrafos y especialistas en teledetección, quienes identificaron visualmente miles de instancias de desechos marinos en imágenes de satélite en ubicaciones de todo el mundo. De esta manera, 'entrenaron' al modelo para reconocer los desechos de plástico".

Los investigadores desarrollaron un detector de desechos marinos basado en inteligencia artificial que estima la probabilidad de presencia de desechos marinos para cada píxel en imágenes de satélite Sentinel-2. El detector se entrena siguiendo los principios de la inteligencia artificial centrados en los datos que buscan aprovechar al máximo los datos de entrenamiento limitados disponibles para este problema.

Un ejemplo es el diseño de un algoritmo de visión por computadora que captura anotaciones manuales de expertos de manera precisa en los desechos visibles en las imágenes. Con esta herramienta, los oceanógrafos y expertos en teledetección pueden proporcionar más ejemplos de datos de entrenamiento siendo menos precisos en el clic manual de contornos.

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

Rußwurm dice: "El detector sigue siendo preciso incluso en condiciones más desafiantes; por ejemplo, cuando la cobertura de nubes y la neblina atmosférica dificultan que los modelos existentes identifiquen de manera precisa los desechos marinos".

La detección de plásticos en los 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 eventos de lluvia e inundaciones. Esto se demostró en las inundaciones de Pascua en Durban, Sudáfrica: en 2019, un largo período de lluvia provocó el desbordamiento de los ríos, lo que resultó en que se arrastrara mucha más basura de lo normal.

Esta fue transportada a través del puerto de Durban hacia el Océano Índico. En imágenes de satélite, estos objetos flotantes entre nubes son difíciles de distinguir cuando se utilizan los canales de color rojo-verde-azul "comunes". Se pueden visualizar cambiando a otros canales espectrales, incluida la luz infrarroja cercana.

Además de predecir de manera más precisa las agregaciones de desechos marinos, el modelo de detección también notará los desechos en imágenes diarias accesibles de PlanetScope.

'Combinar las adquisiciones semanales de Sentinel-2 con los accesos diarios de PlanetScope puede cerrar la brecha hacia la monitorización diaria continua', explicó Rußwurm.

'Además, PlanetScope y Sentinel-2 a veces capturan el mismo parche de desechos marinos el mismo día con solo unos minutos de diferencia. Esta doble visión 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 para los desechos marinos'.

Información del diario: iScience

Providado por Universidad de Wageningen