Un observador humano en una aeronave en movimiento pierde aproximadamente 1 de cada 10 elefantes. El algoritmo no se cansa.
Las encuestas de poblacion de fauna silvestre son la base de la conservacion. Cada decision de gestion, desde las rutas de patrullaje antifurtivismo hasta los presupuestos de proteccion del habitat, depende de saber cuantos animales hay. Durante decadas, el metodo estandar ha sido el mismo: volar bajo sobre el terreno y contar lo que se ve. El problema es que los ojos humanos en una aeronave en movimiento no son muy buenos para este trabajo.
La encuesta aerea tradicional y sus limitaciones
Una encuesta de fauna convencional funciona asi: observadores entrenados se asoman desde una aeronave a baja altitud (normalmente entre 60 y 100 metros sobre el suelo) y cuentan los animales dentro de una franja definida a cada lado. Registran especies, tamanos de grupo y ubicaciones en papel o con una grabadora de voz, a menudo durante 6 a 8 horas seguidas.
Los problemas estan bien documentados. La fatiga del observador aparece despues de la primera hora y la precision disminuye constantemente. Diferentes observadores contando el mismo transecto producen habitualmente conteos que difieren entre un 10 y un 30%. Los animales en sombra, detras de arbustos o en bosques moteados frecuentemente pasan desapercibidos. El clima, la turbulencia y la altitud introducen variabilidad adicional. Y los vuelos en si mismos son caros y peligrosos: el vuelo de reconocimiento a baja altitud es una de las actividades de mayor riesgo en conservacion.
Como la IA cambia el conteo
Las encuestas aereas asistidas por IA invierten el flujo de trabajo. En lugar de depender de observadores humanos para detectar y contar animales en tiempo real, la aeronave (o dron) captura fotografias de alta resolucion de toda el area de estudio. En tierra, un modelo de deteccion escanea cada imagen y marca cada animal que encuentra.
El modelo de deteccion, normalmente una red neuronal convolucional como RetinaNet, procesa las imagenes en una sola pasada. Identifica animales por forma, tamano y contraste con el fondo, y luego coloca un marcador en cada deteccion con una puntuacion de confianza. Un revisor humano comprueba las imagenes marcadas y los casos limite, pero el grueso del conteo se gestiona automaticamente.
Investigaciones publicadas en los estudios de poblaciones animales de la Universidad de Wageningen encontraron que RetinaNet detecto el 95% de los elefantes, el 91% de las jirafas y el 90% de las cebras en comparacion con la anotacion de expertos humanos, mientras que identifico correctamente un 2,8 a 4,0% adicional de animales que los anotadores humanos pasaron por alto completamente. El modelo produjo solo de 1,6 a 5,0 falsos positivos por cada verdadero positivo.
Un estudio de Frontiers in Conservation Science encontro que los metodos asistidos por IA pueden reducir el error estandar de las estimaciones de poblacion entre un 31 y un 67% en comparacion con los metodos manuales, con potencial para aumentos del esfuerzo de muestreo del 160 al 1.050% a coste equivalente. Eso significa mas area encuestada, con mayor frecuencia, por el mismo presupuesto.
Que especies funcionan mejor
No todas las especies son igual de faciles de contar con IA desde el aire. Los mejores resultados se obtienen con animales grandes, de color distintivo y que habitan en espacios abiertos.
Elefantes, ganado, cebras y nus son candidatos ideales. Su tamano los hace faciles de detectar, y la sabana abierta proporciona un fuerte contraste.
Flamencos, pinguinos y colonias de aves marinas se agrupan en grupos densos y visibles sobre terreno abierto. La IA sobresale contando miles de individuos en una sola imagen.
Focas, leones marinos y morsas descansando en la costa son claramente visibles desde arriba. Las imagenes termicas anaden un segundo canal de deteccion.
Ganaderos y gestores de fauna utilizan tecnicas identicas para ganado, caballos y renos en pastizales abiertos.
La ventaja de la auditabilidad
Uno de los beneficios mas subestimados de las encuestas basadas en fotos es la permanencia. Un conteo de observador tradicional es un numero en un portapapeles. No se puede volver a comprobar, cuestionar ni mejorar despues del vuelo.
Una fotografia es evidencia permanente. Cada imagen capturada durante una encuesta con IA puede archivarse, ser reexaminada por diferentes revisores y reprocesada anos despues con algoritmos mejorados. Si un nuevo modelo es un 5% mas preciso que el del ano pasado, puedes volver a ejecutarlo sobre las imagenes del ano anterior y obtener una mejor estimacion historica sin volver a volar.
Esto crea un conjunto de datos en crecimiento que mejora con el tiempo. Organizaciones de conservacion como Wild Me han construido plataformas de codigo abierto (como Scout) que permiten a investigadores de todo el mundo contribuir y re-analizar imagenes aereas. La foto en si se convierte en el registro cientifico, no el conteo derivado de ella.
Donde el conteo con IA todavia tiene dificultades
El conteo aereo con IA es potente pero no universal. Varias condiciones siguen siendo genuinamente dificiles.
- Vegetacion densa - Los animales bajo una copa de arboles espesa son invisibles para camaras estandar. Los elefantes de bosque y los primates siguen siendo dificiles de encuestar desde el aire.
- Especies nocturnas - Las criaturas activas solo de noche requieren imagenes termicas o infrarrojas, que tienen menor resolucion espacial que las camaras RGB diurnas.
- Animales acuaticos bajo la superficie - Las especies marinas bajo el agua, como delfines o peces, no pueden detectarse de forma fiable desde fotografias aereas.
- Especies pequenas o camufladas - Los animales que se mimetizan con su entorno, como liebres sobre hierba seca, llevan los modelos de deteccion al limite.
- Clima extremo - La nubosidad, la lluvia y los vientos fuertes degradan la calidad de las imagenes y pueden inmovilizar completamente las operaciones con drones y aeronaves.
Como empezar con el conteo de fauna con IA
- Elige tu plataforma- Un dron de consumo (DJI Mavic o similar) funciona para areas pequenas; las aeronaves tripuladas o los drones de ala fija cubren reservas mas grandes.
- Planifica tu cuadricula de vuelo- Usa navegacion automatica por puntos de ruta para asegurar una altitud constante y cobertura total del area con solapamiento de imagenes.
- Captura en el momento adecuado- La luz de primera hora de la manana o ultima hora de la tarde reduce las sombras fuertes. Evita el mediodia cuando los animales buscan sombra.
- Procesa con un modelo de deteccion- Sube las imagenes a una plataforma de conteo con IA. Las opciones de codigo abierto incluyen Scout de Wild Me para deteccion especifica de fauna.
- Revisa las detecciones marcadas- Comprueba los marcadores de baja confianza y los casos limite manualmente. Este enfoque hibrido maximiza la precision.
- Archiva todo- Almacena las imagenes originales junto con los datos de conteo. Los algoritmos futuros extraeran aun mas valor de las fotos de hoy.
Conclusion
La conservacion de la fauna depende de datos de poblacion precisos, y durante decadas la mejor herramienta disponible era un observador cansado en una aeronave ruidosa. El conteo aereo con IA no reemplaza la experiencia humana en conservacion, pero elimina el cuello de botella del conteo manual de la ecuacion.
La proxima vez que una reserva necesite una estimacion de poblacion, la respuesta mas precisa vendra de una camara, no de un portapapeles. Y a diferencia del portapapeles, las fotos seguiran siendo utiles dentro de una decada.