Modelos de IA para ayudar a identificar especies invasoras de plantas en todo el Reino Unido

Los científicos ambientales y los investigadores de inteligencia artificial están utilizando la IA para luchar contra una especie invasora que se está extendiendo por el Reino Unido. Los investigadores del Centro de Ecología y Hidrología del Reino Unido (UKCEH) y Birmingham han desarrollado un modelo de IA destinado a realizar estudios en regiones como las carreteras para la presencia de varias especies invasoras, incluyendo el knotweed japonés.

El knotweed japonés es una especie invasora que puede dañar los paisajes naturales y los edificios del Reino Unido, ya que puede dañar los cimientos de los edificios. A menudo se considera una de las especies invasoras de plantas más dañinas y agresivas del Reino Unido. Eliminar el knotweed japonés a menudo resulta difícil porque es difícil de encontrar e identificar. Los investigadores de IA esperan que los algoritmos de aprendizaje automático puedan reducir el tiempo y los recursos necesarios para identificar el knotweed japonés.

Se recopilaron datos de entrenamiento para el modelo a través del uso de cámaras de alta velocidad colocadas en la parte superior de vehículos, que recopilaron imágenes de aproximadamente 120 millas de vegetación en la carretera. Los ecólogos examinarán las imágenes y etiquetarán el knotweed, y las imágenes tendrán su ubicación GPS etiquetada. Las imágenes etiquetadas se utilizarán para entrenar un modelo de visión por computadora para reconocer muestras de knotweed japonés. Se utilizará el mismo proceso para reconocer otras especies de plantas invasoras encontradas en el Reino Unido, como el bálsamo del Himalaya y los rododendros. El sistema también se utilizará para detectar árboles de ash, que son nativos del Reino Unido pero están en riesgo de ser diezmados por la enfermedad.

El modelo de IA se probará durante un proyecto piloto de 10 meses. El equipo de investigación dice que hay desafíos que el equipo necesita superar, como asegurarse de que las imágenes capturadas por las cámaras sean de calidad consistente y que cuando hay múltiples especies en una sola imagen, todas las especies se identifiquen correctamente. Si el programa piloto produce resultados prometedores, podría adaptarse para su uso en otros países de todo el mundo, ayudando a estos países a luchar contra sus propios problemas de especies invasoras. Como ecólogo computacional en UKCEH, el Dr. Tom August, fue citado por The Next Web:

“Las especies invasoras de plantas tienden a crecer en corredores, por lo que nos centramos en estudios de carreteras como ecólogo computacional en UKCEH. Si el piloto es exitoso, esto podría escalarse en otros países, o para otras especies de plantas, árboles o incluso insectos y animales”.

Según August, los modelos de IA abren muchas posibilidades para aprender sobre el mundo natural y diseñar soluciones eficientes y rentables para las especies invasoras. UKCEH está colaborando con Keen AI, una empresa de IA con sede en Birmingham. El fundador de Keen AI, Amjad Karim, fue citado por Science Focus como diciendo que el uso de modelos de IA para analizar imágenes y detectar especies invasoras puede ayudar a reducir costos y brindar seguridad a propietarios de tierras, agencias de carreteras y formuladores de políticas. El método principal de recopilación de imágenes de carreteras actualmente requiere topógrafos, y la carretera se cierra temporalmente mientras completan su trabajo.

El nuevo proyecto diseñado por UKCEH y Keen AI es solo el último en una tendencia creciente que ve la aplicación de la IA para luchar contra las especies invasoras. A finales del año pasado, los investigadores de IA de Microsoft y CSIRO se unieron para diseñar un modelo de IA que puede detectar una especie invasora llamada pasto para, encontrada en todo el Parque Nacional Kakadu en Australia. El pasto para es una maleza de crecimiento rápido que puede propagarse rápidamente, desplazando rápidamente a muchas plantas nativas en una región. Los investigadores utilizaron imágenes recopiladas por drones, y una vez que el modelo se entrenó en las imágenes etiquetadas, pudo identificar con éxito el pasto para, lo que permitió a los investigadores eliminarlo de humedales vulnerables. Esto tuvo el efecto de permitir que miles de gansos magpie regresaran a la región. Otro equipo de investigadores de la Universidad de Alberta utilizó modelos de aprendizaje automático para diseñar estrategias de contención y mitigación para varias especies invasoras en Canadá.