Anika Puri, con sólo 17 años, ha diseñado un modelo basado en el aprendizaje automático que analiza los patrones de movimiento de humanos y elefantes.
Cuando Anika Puri visitó la India con su familia, se sorprendió al encontrarse con un mercado de Bombay lleno de hileras de joyas y estatuas de marfil. En todo el mundo, el comercio de marfil es ilegal desde hace más de 30 años, y la caza de elefantes está prohibida en la India desde la década de 1970.
Curiosa, Puri investigó un poco y descubrió una estadística impactante: La población de elefantes de los bosques de África había disminuido alrededor del 62% entre 2002 y 2011. Años después, las cifras siguen disminuyendo. Puri quería hacer algo para ayudar a proteger a esta especie y a otras que siguen amenazadas por la caza furtiva.
Actualmente se usan drones para detectar y capturar imágenes de los cazadores furtivos, y no son tan precisos, explica la adolescente. Pero después de ver vídeos de elefantes y humanos, vio cómo ambos se diferenciaban enormemente en su forma de moverse: su velocidad, sus patrones de giro y otros movimientos.
Se dio cuenta de que se podía utilizar esta disparidad entre estos dos patrones de movimiento para aumentar la precisión de la detección de posibles cazadores furtivos.
En dos años, Puri creó ElSa, un prototipo de bajo coste de un software basado en el aprendizaje automático que analiza los patrones de movimiento en los vídeos de infrarrojos térmicos de humanos y elefantes. Puri afirma que el software es cuatro veces más preciso que los métodos de detección más avanzados. También elimina la necesidad de costosas cámaras térmicas de alta resolución, que pueden costar miles de dólares, dice. ElSa utiliza una cámara térmica FLIR ONE Pro, de alrededor de 250 dólares, que se conecta a un iPhone 6 de serie. La cámara y el iPhone se conectan a un dron y el sistema deduce en tiempo real, mientras sobrevuela los parques, si los objetos que hay debajo son humanos o elefantes.
Puri presentó su proyecto a la Feria Internacional de Ciencia e Ingeniería Regeneron de este año, el mayor concurso internacional de ciencia, tecnología, ingeniería y matemáticas del mundo. Su posible repercusión en la sociedad le valió el Premio Peggy Scripps de Comunicación Científica, y también obtuvo el máximo galardón en la categoría de ciencias de la tierra y el medio ambiente del concurso.
ElSa
Para crear su modelo, Puri encontró primero patrones de movimiento de humanos y elefantes utilizando el conjunto de datos IR de referencia para la vigilancia con inteligencia aérea (BIRDSAI), un conjunto de datos recopilados utilizando una cámara infrarroja térmica acoplada a un vehículo aéreo no tripulado (UAV) en múltiples áreas protegidas de África. Examinando los datos, Puri identificó 516 series temporales extraídas de vídeos que captaban seres humanos o elefantes en movimiento.
Puri utilizó un algoritmo de aprendizaje automático para entrenar un modelo que clasificara una figura como elefante o como humano en función de su velocidad, el tamaño del grupo, el radio de giro, el número de vueltas y otros patrones. Utilizó 372 series: 300 movimientos de elefantes y 72 de humanos. Las 144 restantes se utilizaron para probar su modelo con datos que no había visto antes. Cuando se probó con el conjunto de datos BIRDSAI, su modelo fue capaz de detectar a los humanos con una precisión superior al 90%.
Imágenes: Society for Science
Deja una respuesta