Las evaluaciones demostraron ser más rápidas y precisas en comparación con las detecciones realizadas por anotadores humanos.
La pesca del cangrejo azul es una actividad comercial y recreativa muy popular en todo Estados Unidos. Para capturar estos cangrejos, se utilizan "nasas". Estos dispositivos se colocan en el fondo marino y se atan a una boya con una cuerda. El problema es que, cuando se pierden, pueden permanecer en el fondo marino durante años, convirtiéndose en trampas mortales para peces y cangrejos.
Para explorar el lecho marino en busca de nasas perdidas, la Universidad de Delaware realizó estudios con datos escaneados mediante un sonar de barrido lateral de alta frecuencia para consumo, sintetizó las imágenes georreferenciadas a partir de los datos del sonar y las analizó con ATLAS, un software de procesamiento de imágenes, detección de objetos y segmentación de territorio basado en IA de SPH Engineering.
.jpeg)
La universidad obtuvo un mapa web compartible con la ubicación de las nasas en ATLAS y un informe con los puntos georreferenciados en formato GeoJSON. Este enfoque ayudó a que el detector trabajara de forma mucho más rápida y consistente que los anotadores humanos, facilitando la detección y recuperación guiada de las nasas fantasma.
Arthur Trembanis, profesor de Oceanografía en la Escuela de Ciencias y Políticas Marinas de la Universidad de Delaware, explicó que, dadas las amenazas que las nasas fantasma representan para el medio ambiente, es fundamental detectarlas de manera eficiente y completa para ayudar a guiar las labores de limpieza.
“Anotar mosaicos de sonar de barrido lateral es muy tedioso y consume mucho tiempo para los operadores humanos, especialmente cuando tenemos una gran abundancia de objetivos y áreas extensas que cubrir”, señaló Trembanis. “Nuestra formación y pruebas iniciales con ATLAS han sido alentadoras. La interfaz de ATLAS fue fácil de usar y, tras unos 30 minutos de anotación, el sistema pudo entrenarse y operar sobre todo nuestro dominio cartográfico”.
Trembanis añadió que la capacidad de realizar el procesamiento en la nube con actualizaciones por correo electrónico resultó muy beneficiosa y destacó que el equipo de soporte técnico ha sido muy atento y servicial.
“Lo que a nuestros anotadores humanos les llevaba varias docenas de horas completar con anotaciones manuales, ATLAS pudo realizarlo en la nube en unos 30 minutos, y los resultados se comparan muy favorablemente con nuestras anotaciones de expertos”, afirmó TrembanisDe hecho, algunas de las detecciones de ATLAS nos han llevado a reevaluar las detecciones realizadas por anotadores humanos para identificar posibles objetivos omitidos. Otro aspecto útil de ATLAS es que no solo podemos detectar objetivos —en este caso, trampas para cangrejos fantasma—, sino que también podemos hacer que ATLAS reconozca y delimite los tipos de fondo marino (es decir, lodo frente a arena), lo que nos ayuda aún más a comprender la importancia de la distribución del hábitat del fondo marino en la región.
Alexei Yankelevich, director de I+D en SPH Engineering, señaló que SPH Engineering está «agradecida con la Universidad de Delaware por este proyecto: demuestra que ATLAS funciona muy bien no solo para la fotografía convencional, sino también para imágenes sintetizadas a partir de datos de sonar de barrido lateral. La Universidad de Delaware es una verdadera pionera al abrir las puertas a una variedad de inspecciones subsuperficiales con procesamiento de datos asistido por IA. Además, quisiera expresar un agradecimiento especial a THURN Group Ltd (Norwich, Reino Unido), proveedor de productos de sonar de vanguardia, por su experiencia y asistencia durante este proyecto».
Este proyecto contó con el apoyo de fondos de subvención de Delaware Sea Grant, la Escuela de Ciencias y Políticas Marinas y el Programa de Desechos Marinos de la NOAA.