Investigadores de la Universidad de Granada en España, la Universidad de la Mancomunidad de Virginia en Estados Unidos y la Universidad Técnica de Dinamarca han desarrollado un método de reconocimiento y clasificación de los corales basado en inteligencia artificial. Con él podrían reconocerse de forma automática los miles de tipos de especies de coral existentes y así poder realizar el seguimiento de los cambios que se producen en las colonias para una mejor conservación.
El sistema utiliza una técnica donde neuronas artificiales funcionan de una manera muy similar a las de la corteza visual de un cerebro, denominada arquitectura de redes neuronales convolucionales. En el artículo ‘Towards highly accurate coral texture images classification using deep convolutional neural networks and data augmentation’ publicado en la revista Expert Systems with Applications los científicos parten de las imágenes submarinas tomadas por un vehículo submarino autónomo y con ellas crean un sistema que reconoce las diferentes texturas en las que se conforman los corales y que es capaz de aprender por sí mismo.
De esta manera, el sistema analiza las imágenes, extrae las características relevantes de cada especie de coral, las aprende, y las usa después para clasificar nuevas imágenes de corales según su especie. “A través del modelo de aprendizaje automático y por transferencia, se desarrolla la capacidad de adquirir las características clave de cada especie de coral que sirven de partida para clasificar por especie nuevos corales fotografiados por otros vehículos autónomos, automatizando todo el proceso.”, indica a la Fundación Descubre la investigadora de la Universidad de Granada Anabel Gómez, del equipo de investigación.
Partiendo de dos bases de datos públicas pertenecientes a uno de los investigadores que ha participado en el estudio (EILAT y RSMAS), han confirmado que este modelo es una alternativa a los sistemas clásicos utilizados actualmente para la clasificación de imágenes de textura coral. Estos requieren de la presencia humana continuada y contempla un rango de error mayor. Los expertos han logrado mejorar la precisión utilizando diferentes variaciones de ResNet, un tipo de red neuronal especializada que ayuda a manejar tareas y modelos de aprendizaje más sofisticados.
