Classificació del sexe i de l’exemplar d’ocells de l’espècie trencalòs mitjançant tècniques d’aprenentatge profund en visió per ordinador

Abstract

En el marc de la biologia de la conservació, la correcta identificació dels individus d’una espècie és crucial per a la implementació de mesures efectives de gestió i conservació. Tradicionalment, aquesta tasca s’ha dut a terme manualment per experts, un procés que no només és laboriós i costós, sinó també susceptible a l’error humà.

Aquest treball de màster se centra en la utilització de tècniques d’aprenentatge profund, específicament en el camp de la visió per ordinador, per a la classificació automàtica del sexe i de l’exemplar concret d’ocells de l’espècie trencalòs a partir d’imatges digitals.

Amb l’augment exponencial en la disponibilitat de dades visuals i els avenços continuats en les tecnologies d’aprenentatge automàtic, especialment les xarxes neuronals convolucionals (CNNs), s’obre una nova finestra d’oportunitat per transformar les metodologies tradicionals de seguiment i identificació de fauna.

L’aplicació de tècniques d’aprenentatge profund no només promet augmentar l’eficiència i la precisió de les classificacions, sinó també reduir el cost associat al procés de monitorització de la biodiversitat.

Aquest estudi explora com les innovacions recents en visió per ordinador poden ser aplicades a les imatges d’ocells trencalòs, recollides en el context de programes de conservació, per diferenciar no només entre sexes, sinó també entre individus.

A través d’un conjunt de dades proporcionat per Naturfer Pirineus, S.L., que inclou imatges capturades per experts com Sam Balash i Eloi Bautista, s’entrena un model de xarxa neuronal convolucional per automatitzar aquesta tasca de classificació.

9

15