Cuantificación del Impacto de la Influenza Aviar en la Colonia de Alcatraces del Bass Rock Utilizando Imágenes de Drones de Ultra Alta Resolución y Aprendizaje Profundo
Autores: Tyndall, Amy A.; Nichol, Caroline J.; Wade, Tom; Pirrie, Scott; Harris, Michael P.; Wanless, Sarah; Burton, Emily
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Cuantificación del Impacto de la Influenza Aviar en la Colonia de Alcatraces del Bass Rock Utilizando Imágenes de Drones de Ultra Alta Resolución y Aprendizaje Profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Drones
Encuestas de vida silvestre
Redes neuronales
Mortalidad de colonias de aves
Influenza aviar
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los drones son una opción cada vez más popular para encuestas de vida silvestre debido a su versatilidad, capacidades de respuesta rápida y capacidad para acceder a áreas remotas mientras cubren grandes regiones. Una aplicación novedosa presentada aquí es combinar imágenes de drones con redes neuronales para evaluar la mortalidad dentro de una colonia de aves. Desde 2021, la Influenza Aviar Altamente Patógena (IAAP) ha causado una mortalidad significativa de aves en el Reino Unido, afectando principalmente a especies de aves acuáticas. La colonia de gaviotas del norte más grande del mundo en Bass Rock, Escocia, experimentó pérdidas sustanciales en 2022 debido al brote. Para evaluar el impacto, se adquirieron imágenes RGB de Bass Rock en 2022 y 2023 mediante el despliegue de un dron sobre la isla por primera vez. Posteriormente, se aplicó una red neuronal de aprendizaje profundo a los datos para detectar y contar automáticamente gaviotas vivas y muertas, proporcionando estimaciones de población para ambos años. El modelo se entrenó con el conjunto de datos de 2022 y logró una precisión media promedio (mAP) del 37%. La aplicación del modelo predijo 18,220 gaviotas vivas y 3,761 gaviotas muertas para 2022, consistente con el conteo manual de NatureScot de 21,277 gaviotas vivas y 5,035 gaviotas muertas. Para 2023, el modelo predijo 48,455 gaviotas vivas y 43 gaviotas muertas, y el conteo manual realizado por el Centro de Aves Marinas de Escocia y el Centro de Ecología e Hidrología del Reino Unido (UKCEH) de la misma área dio 51,428 gaviotas vivas y 23 gaviotas muertas. Esto marca un comienzo prometedor para la recuperación de la colonia con un aumento de población del 166% determinado por el modelo. Los resultados presentados aquí son la primera aplicación conocida de aprendizaje profundo para detectar aves muertas a partir de imágenes de drones, mostrando la naturaleza rápida y adaptable de la metodología no solo para proporcionar un monitoreo continuo de colonias de aves marinas y otras especies de vida silvestre, sino también para realizar evaluaciones de mortalidad. Como tal, podría resultar ser una herramienta valiosa para fines de conservación.
Descripción
Los drones son una opción cada vez más popular para encuestas de vida silvestre debido a su versatilidad, capacidades de respuesta rápida y capacidad para acceder a áreas remotas mientras cubren grandes regiones. Una aplicación novedosa presentada aquí es combinar imágenes de drones con redes neuronales para evaluar la mortalidad dentro de una colonia de aves. Desde 2021, la Influenza Aviar Altamente Patógena (IAAP) ha causado una mortalidad significativa de aves en el Reino Unido, afectando principalmente a especies de aves acuáticas. La colonia de gaviotas del norte más grande del mundo en Bass Rock, Escocia, experimentó pérdidas sustanciales en 2022 debido al brote. Para evaluar el impacto, se adquirieron imágenes RGB de Bass Rock en 2022 y 2023 mediante el despliegue de un dron sobre la isla por primera vez. Posteriormente, se aplicó una red neuronal de aprendizaje profundo a los datos para detectar y contar automáticamente gaviotas vivas y muertas, proporcionando estimaciones de población para ambos años. El modelo se entrenó con el conjunto de datos de 2022 y logró una precisión media promedio (mAP) del 37%. La aplicación del modelo predijo 18,220 gaviotas vivas y 3,761 gaviotas muertas para 2022, consistente con el conteo manual de NatureScot de 21,277 gaviotas vivas y 5,035 gaviotas muertas. Para 2023, el modelo predijo 48,455 gaviotas vivas y 43 gaviotas muertas, y el conteo manual realizado por el Centro de Aves Marinas de Escocia y el Centro de Ecología e Hidrología del Reino Unido (UKCEH) de la misma área dio 51,428 gaviotas vivas y 23 gaviotas muertas. Esto marca un comienzo prometedor para la recuperación de la colonia con un aumento de población del 166% determinado por el modelo. Los resultados presentados aquí son la primera aplicación conocida de aprendizaje profundo para detectar aves muertas a partir de imágenes de drones, mostrando la naturaleza rápida y adaptable de la metodología no solo para proporcionar un monitoreo continuo de colonias de aves marinas y otras especies de vida silvestre, sino también para realizar evaluaciones de mortalidad. Como tal, podría resultar ser una herramienta valiosa para fines de conservación.