Capgemini utiliza IA para identificar y rastrear ballenas

  •  
  •  
  •   
  •   
  •  
  •  

IA para identificar ballenas. Capgemini ha desarrollado una solución inteligente de datos; que fue diseñada para identificar con precisión a las ballenas usando la visión artificial por computadora para procesar imágenes. 

Global Data Science Challenge

La solución, elaborada por un equipo ganador durante el evento anual del Grupo, Global Data Science Challenge (GDSC); utiliza los servicios de Amazon Web Services (AWS) de aprendizaje automática (ML) para analizar miles de fotos de cachalotes, e identificar coincidencias de manera individual, para ayudar a los científicos a rastrear las rutas de migración, observar la estructura social de los grupos de cachalotes y proteger el hábitat natural de las ballenas.

El GDSC de Capgemini es una competencia interna del grupo dentro de la cual cientos de empleados de todo el mundo; compiten en equipos pequeños para abordar los retos del mundo real usando la inteligencia artificial (IA).

Ballenas

Las ballenas se identifican por sus aletas de cola, conocidas también como aletas caudales; las cuales muestran marcas y estructuras únicas similares a las huellas dactilares humanas, dependiendo de la experiencia específica vivida por cada espécimen. Los científicos usan IA para identificar ballenas, las imágenes de las aletas caudales de cada ballena para documentar información clave sobre su comportamiento; rutas de migración y patrones de movimiento.

Proceso

Sin embargo, combinar nuevas imágenes de ballenas en archivos históricos puede resultar tedioso y muy laborioso. Lisa Steiner, bióloga marina y reconocida experta en la investigación de los cachalotes en las islas Azores; explica este proceso: “Tengo que ayudar manualmente al programa para identificar el contorno de cada mitad de una aleta caudal. Si las fotos son buenas, el proceso no tarda mucho; pero no hay suficiente contraste entre la aleta caudal y el fondo, o si hay mucho reflejo sobre el borde de la aleta, entonces tengo que buscar el contorno manualmente”.

Clasificación de imágenes

Una colaboradora de Capgemini experimentó esta experiencia complicada al ofrecerse como voluntaria en una expedición. Al descubrir una manera para mejorar las actividades cotidianas de Steiner, Capgemini propuso reemplazar el software heredado e histórico de Steiner al emplear el poder de las capacidades de procesamiento de visión de imágenes por computadora para ayudar a eliminar la necesidad de identificación manual de patrones cruzados.

De este modo nació el reto para el GDSC 2020: desarrollar una herramienta que utiliza un algoritmo de aprendizaje automático para la tarea de clasificación e identificación de las imágenes de cada ballena y ayudar a Steiner en su investigación.

Ganador del reto utilizando IA

Casi 700 equipos de todas las áreas de Capgemini participaron en el reto y después de varios meses, el grupo ganador, llamado “AI Sensing”, presentó su solución la cual consiste en una red neural profunda previamente entrenada (ResNet 101) que fue sintonizada con aproximadamente 4,500 fotografías de aletas caudales de más de 2,200 especímenes individuales.

El modelo se ejecuta en un clúster de la Nube de Computación Elástica de Amazon basada en GPU (Amazon EC2); utilizando Amazon SageMaker (el servicio de AWS que ayuda a desarrolladores comunes y científicos de datos para rápidamente construir, entrenar e implementar modelos de aprendizaje automático en la nube y en el borde) y puede procesar las fotos en tres horas.

Algoritmo

El algoritmo ML es capaz de recortar automáticamente una foto nueva usando AWS Lambda al eliminar secciones no necesarias de la imagen; dejando sólo la aleta caudal en el centro para después compararla con las demás en la base de datos y así encontrar las coincidencias de cada cachalote con una precisión de 97.5%.

Esta solución de IA para identificar ballenas, rastrea las rutas de migración y la protección del hábitat en vez de perder cientos de horas en etiquetar las fotos manualmente.

Capgemini sigue trabajando con Steiner para mejorar la facilidad de uso de la aplicación, además de motivar a otros investigadores para que la prueben. El objetivo a largo plazo es que las personas de todos los ámbitos que hayan visto y tomado una foto de un cachalote en el océano del Atlántico puedan algún día subir sus fotos en una herramienta lo cual aumentaría la capacidad de investigación con más datos y pudiera dar lugar al descubrimiento de nuevas coincidencias de las ballenas y conocimiento sobre estas hermosas creaturas.

Si deseas conocer más información sobre Capgemini consulta este link

Síguenos en https://www.facebook.com/tecnoempresa


  •  
  •  
  •   
  •   
  •  
  •  

Report

What do you think?

Written by Redacción

Llega a México la JAC Sei4 Pro

Más estrés en colaboradores: “Termómetro Laboral”