Hidroconta
Connecting Waterpeople
Rädlinger primus line GmbH
Hidroconta
TFS Grupo Amper
AGENDA 21500
Centro Nacional de Tecnología de Regadíos (CENTER)
Baseform
Laboratorios Tecnológicos de Levante
Vector Energy
SCRATS
Asociación de Ciencias Ambientales
Sivortex Sistemes Integrals
Ingeteam
CAF
Sacyr Agua
KISTERS
NSI Mobile Water Solutions
Consorcio de Aguas de Asturias
Grupo Mejoras
Aganova
LACROIX
ESAMUR
HRS Heat Exchangers
Danfoss
Likitech
Ministerio para la Transición Ecológica y el Reto Demográfico
AGS Water Solutions
Aqualia
FENACORE
Lama Sistemas de Filtrado
Barmatec
Almar Water Solutions
Red Control
Fundación Botín
MOLEAER
Schneider Electric
Amiblu
VisualNAcert
Mancomunidad de los Canales del Taibilla
Minsait
AMPHOS 21
Saint Gobain PAM
Fundación Biodiversidad
Terranova
EPG Salinas
STF
NTT DATA
ISMedioambiente
Fundación CONAMA
Catalan Water Partnership
s::can Iberia Sistemas de Medición
Innovyze, an Autodesk company
RENOLIT ALKORPLAN
Agencia Vasca del Agua
Idrica
EMALSA
Xylem Water Solutions España
Confederación Hidrográfica del Segura
DATAKORUM
ADECAGUA
J. Huesa Water Technology
Kamstrup
ONGAWA
ACCIONA
Molecor
AECID
Filtralite
Regaber
TEDAGUA
GS Inima Environment
Hach
Gestagua
ICEX España Exportación e Inversiones
Global Omnium
TecnoConverting
Consorcio de Aguas Bilbao Bizkaia

Se encuentra usted aquí

La Inteligencia Artificial ayuda a detectar plástico en los océanos

  • Inteligencia Artificial ayuda detectar plástico océanos

Un nuevo detector basado en Inteligencia Artificial (IA) es capaz de estimar la probabilidad de que existan plásticos flotantes en las imágenes de satélite de los océanos.

Esto podría ayudar a eliminar sistemáticamente la basura plástica de los océanos con barcos. La investigación, de la Universidad de Wageningen y investigadores de la EPFL (Escuela Politécnica Federal de Lausana), se ha publicado recientemente en iScience.

Las acumulaciones de desechos marinos son visibles en las imágenes del satélite Sentinel-2, disponibles gratuitamente, que capturan zonas costeras cada 2 a 5 días en todo el mundo en masas terrestres y zonas costeras. Debido a que estos equivalen a terabytes de datos, éstos deben analizarse automáticamente a través de modelos de inteligencia artificial como redes neuronales profundas.

Marc Ruswurm, profesor asistente en la Universidad de Wageningen, dice en un comunicado: "Estos modelos aprenden de ejemplos proporcionados por oceanógrafos y especialistas en teledetección, quienes identificaron visualmente varios miles de casos de desechos marinos en imágenes satelitales en lugares de todo el mundo. De esta manera, entrenaron el modelo para reconocer los desechos plásticos."

Los investigadores desarrollaron un detector de desechos marinos basado en inteligencia artificial que estima la probabilidad de que haya desechos marinos presentes para cada píxel en las imágenes del satélite Sentinel-2. El detector se entrena siguiendo principios de IA centrados en datos que tienen como objetivo aprovechar al máximo los datos de entrenamiento limitados que están disponibles para este problema.

Un ejemplo es el diseño de un algoritmo de visión por computadora que ajusta las anotaciones manuales de los expertos con precisión a los desechos visibles en las imágenes. Con esta herramienta, los oceanógrafos y expertos en teledetección pueden proporcionar más ejemplos de datos de capacitación al ser menos precisos al hacer clic manualmente en los contornos.

Las acumulaciones de desechos marinos son visibles en las imágenes del satélite Sentinel-2, disponibles gratuitamente, que capturan zonas costeras cada 2 a 5 días en todo el mundo en masas terrestres y zonas costeras

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

Ruswurm dice: "El detector sigue siendo preciso incluso en condiciones más difíciles; por ejemplo, cuando la nubosidad y la neblina atmosférica dificultan que los modelos existentes identifiquen con precisión los desechos marinos".

La detección de plásticos en desechos marinos en condiciones atmosféricas difíciles con nubes y neblina es particularmente importante, ya que los plásticos a menudo son arrastrados a aguas abiertas después de lluvias e inundaciones.

Además de una predicción más precisa de las acumulaciones de desechos marinos, el modelo de detección también detectará desechos en imágenes de PlanetScope a las que se puede acceder diariamente.

"La combinación de Sentinel-2 semanal con las adquisiciones diarias de PlanetScope puede cerrar la brecha hacia un monitoreo diario continuo", explicó Ruswurm.

"Además, PlanetScope y Sentinel-2 a veces capturan el mismo parche de desechos marinos el mismo día con sólo unos minutos de diferencia. Esta vista doble 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 la deriva de desechos marinos".

Redacción iAgua

La redacción recomienda