#brigolons #IA
Una eina de codi obert que reconeix espècies en l'imperió verd de l'Amèrica tropical
El monitoratge de la fauna silvestre en els boscos tropicals és essencial per conéixer l'estat dels ecosistemes i establir plans de conservació. Un equip de recerca del Museu Nacional de Ciències Naturals (MNCN-CSIC) ha desenvolupat TropiCam-AI, l'incipient algoritme de intel·ligència artificial que permet identificar, a partir de les imatges de les càmeres-trampa, les espècies animals que habiten al dosel dels boscos humits neotropicals.
Ofereix noves possibilitats per a la recerca i conservació d'espècies difícils d'observar mitjançant mètodes tradicionals.
En concret, han desenvolupat aquesta ferramenta —que aconsegueix una precisió del 95 %— per a 84 grups de mamífers i aus neotropicals.
Aquesta tecnologia de codi obert ofereix nombroses perspectives per a la recerca i conservació d'espècies difícils d'observar mitjançant mètodes tradicionals.
"Amb TropiCam-AI podem processar ràpidament centenars de milers d'imatges de fauna arbòria en els boscos tropicals amb gran precisió, i transformar la manera en què estudiem aquests ecosistemes", comenta l'autor principal de l'estudi, Andrea Zampetti,
Esta eina és capaç de reconèixer 84 taxons (63 espècies, 13 genres, 5 famílies i 3 òrdens) de mamífers i aus, incloent tots els gèneres de monos del continent americà.
Per a desenvolupar TropiCam-AI, l'equip va entrenar l'algorisme amb més de 180.000 imatges de càmeres-trampa provinents de Brasil, Perú, Costa Rica i la Guaiana Francesa, a més de 54.000 imatges de ciència ciutadana obtingudes a la plataforma iNaturalist.
Aquesta eina és capaç de reconèixer 84 taxons de mamífers i aus, incloent tots els gèneres de monos del continent americà.
Posteriorment, per a millorar la precisió, s'ha implementat una estratègia de classificació jeràrquica que permet assignar espècies difícils de classificar a nivells taxonòmics superiors (genre, família o ordre), cosa que augmenta la precisió i possibilita que el model funcione en llocs i espècies no contemplats durant l'entrenament.
Per exemple, una nova espècie de mico-aranxa podria ser reconeguda com pertanyent a un taxó (Ateles), encara que l'algorisme no hagi estat entrenat amb ella.
Aquesta eina està disponible a la plataforma AddaxAI, una interfície interactiva accessible per als investigadors independentment dels seus coneixements tècnics, amb la finalitat d'augmentar l'accessibilitat a professionals que treballen en el Neotrópic.
Actualment, les eines disponibles se centren en espècies terrestres d'ambients temperats.
La seva fàcil accessibilitat permetrealitzar inventaris ràpids d'espècies arbòries, facilitant l'elaboració d'estudis d'ecologia del comportament, ecologia de comunitats i conservació en un dels ecosistemes més diversos i menys explorats del planeta: el neotrópic.
«La ferramenta que hem desenvolupat no només accelera el processament de dades, sinó que democratitza l'accès a la intel·ligència artificial per a qui realitza la seua tasca en aquests ecosistemes», conclou en Ana Benítez-López, investigadora del MNCN.
Referència: Zampetti, A. et al. Introducing TropiCam-AI: A taxonomically flexible automated classifier of Neotropical arboreal mammals and birds from camera-trap data. Methods in Ecology and Evolution. 2026. doi article.
* Ho pots llegir perquè som Creative Commons
Redacció Crònica
Publicat a La publicació de la que es parla
Crònica CT
No hay comentarios :