Fotomonitoreo con inteligencia artificial: innovadora tecnología para la conservación se incorpora en Bosque Pehuén

MegaDetector es una herramienta de inteligencia artificial que permite clasificar imágenes captadas por cámara trampa para diseñar acciones que promuevan la conservación de especies de fauna silvestre. Desde aproximadamente un año, este software se utiliza en Bosque Pehuén, área bajo conservación privada administrada por nuestra fundación ubicada en La Araucanía Andina, con el objetivo de mejorar la eficiencia de procesamiento de datos y agilizar la toma de decisiones de conservación.

El fotomonitoreo mediante cámaras trampa permite estudiar el comportamiento de la fauna silvestre de un determinado lugar, sin embargo, existen desafíos en el procesamiento y análisis de datos debido a la alta cantidad de imágenes generadas, que son procesadas manualmente por profesionales e investigadores de conservación. Actualmente, existe una tendencia mundial del procesamiento de esta información mediante la utilización de innovadores softwares entrenados con inteligencia artificial que prometen reducir los tiempos de análisis y mejorar los esfuerzos de gestión y toma de decisiones en conservación de la naturaleza.

En Chile, desde 2022, la Corporación Nacional Forestal (CONAF) comenzó a implementar inteligencia artificial en 35 áreas silvestres protegidas para mejorar el sistema de procesamiento de datos. Esta innovación instalada por primera vez en el país, permite automatizar el proceso actual de clasificación manual que realizan los profesionales de CONAF y ahorrar un 99% del tiempo que destinan los funcionarios de áreas protegidas del Estado a la revisión de material de las cámaras trampas.

En el caso de Bosque Pehuén, hemos querido sumarnos a esta iniciativa con la utilización del software MegaDetector –actualmente, en evaluación–, un software de reconocimiento de imágenes, gratuito y disponible de forma abierta, creado por un equipo compuesto por miembros de California Institute of Technology y Microsoft AI for Nature, específicamente para el procesamiento de datos captados por cámaras trampa. Este modelo, entrenado con millones de imágenes de alrededor del mundo, está diseñado para detectar seres humanos, animales y vehículos, facilitando el filtrado de imágenes en blanco o “imágenes fantasmas” capturadas cuando las cámaras reaccionan ante movimientos provocados por factores externos como el viento o sombras, generando grandes volúmenes de imágenes que, en algunos casos, puede superar incluso el 70% de las imágenes capturadas.

Monitorear para conservar

Por medio de la instalación estratégica de 17 cámaras trampa en distintos puntos geográficos de Bosque Pehuén, se puede conocer el estado actual de la fauna, estimar la presencia, distribución y densidad de especies de vertebrados que habitan en este territorio, entre ellos mamíferos como el puma, la güiña y el zorro culpeo. Esta información permite desarrollar iniciativas y medidas efectivas para la conservación de la biodiversidad ante posibles amenazas.

Las cámaras están equipadas con sensores de movimiento que se activan y capturan imágenes del o los individuos que se cruzan por su campo de visión. Una vez recopilada la información, el procesamiento de datos suele llevarse a cabo manualmente: revisión de cada imagen, clasificación por especie y lugar geográfico, entre otros datos pre definidos. Es aquí donde la utilización de tecnologías de inteligencia artificial marcan un antes y después en cuanto al tiempo dedicado a esta labor, convirtiéndose en herramientas que mejoran y agilizan el procesamiento de información proporcionada con fines de conservación.

¿Cómo funciona la IA en el monitoreo de especies?

Si bien esta herramienta para la clasificación de imágenes puede tener efectos significativos en la reducción del tiempo empleado en el procesamiento de datos, debe ser previamente entrenada. El aprendizaje profundo o deep learning, utiliza redes neuronales artificiales para analizar información. Estas se basan o “imitan” las redes neuronales biológicas, lo que permite a los algoritmos aprender basándose en datos de entrenamiento. En este caso, el software debe ser alimentado con grandes cantidades de imágenes correctamente clasificadas para asegurar su asertividad en la detección.

Actualmente, nuestro equipo de conservación se encuentra en etapa de evaluación del uso de este software, proporcionando imágenes correspondientes a ecosistemas del sur de Chile, mediante fotografías captadas en Bosque Pehuén con el fin de medir la efectividad de la herramienta para reconocer características específicas asociadas a las especies que habitan el área protegida. Según explica Felipe Guarda, encargado de evaluación y estudios de FMA, es necesario evaluar el desempeño de los programas de IA, ya que dependen de las bases de datos con las que son entrenados, que en este caso, provienen mayoritariamente del norte global. “Un buen desempeño de Megadetector en esos ecosistemas del norte puede no transferirse a nuestro contexto, por lo que es importante analizar su desempeño antes de incorporarlo formalmente en nuestros protocolos de procesamiento para el análisis de imágenes”, agrega.

Esta herramienta permite acelerar el flujo de trabajo, obtener información en tiempo real y concentrar los esfuerzos de protección en los objetos de conservación del área, además permite focalizar la identificación y control de amenazas, entre ellas por ejemplo , la intrusión humana o la presencia de especies de fauna invasora que afecte a la biodiversidad local, como es el caso del jabalí o el visón americano.

Para 2024, el equipo de conservación seguirá trabajando en la implementación de estas tecnologías y el análisis del contenido de las imágenes, realizando cruces de datos para determinar la abundancia de determinadas especies clave, riqueza, distribución espacial y actividad temporal. Además, se ha planificado modificar la red de monitoreo actual, redistribuyendo la ubicación de las cámaras trampa para adquirir una mayor cobertura del territorio y complementar el monitoreo con sonómetros (songmeters, trampas que capturan sonido) para el estudio de otros animales como anfibios o aves, con fines de investigaciones transdisciplinarias.

Próximamente, nuestra fundación, en el marco de un convenio de colaboración firmado el 2020 con CONAF Región de La Araucanía buscará generar trabajo colaborativo para potenciar el cruce de datos registrados por cámaras trampa entre Bosque Pehuén y otras áreas protegidas de la región, con el fin de estudiar la fauna que habita en estos corredores biológicos de montaña.