Estudo para mapeado automático de macroalgas baseado nunha Red Neuronal Convolucional
| Data de defensa | 05/10/2021 |
| Titulación | Grao en Enxeñaría dos Recursos Mineiros e Enerxéticos |
| Centro | Escola de Enxeñaría de Minas e Enerxía |
| Dirección |
Cotitoría: Juan Luis Rodríguez Somoza Titoría: Joaquín Martínez Sánchez |
| Tribunal |
Presidencia: María Araújo Fernández Secretaría: Guillermo García Lomba Vogalía: José Santiago Pozo Antonio |
| Resumo | A función das macroalgas de coidar a comunidade intermareal rexe moitos aspectos dos membros do ecosistema que participan en actividades de gran importancia económica, como a pesca ou o turismo, e de relevancia ecolóxica global. No actual escenario de quecemento global, a abundancia, distribución e composición das especies fundacionais está a transformarse a un ritmo alarmante, xurdindo o risco de que as especies que non se aclimaten desprácense ou se extingan, o que supón a proliferación de especies non autóctonas para explotar os nichos locais, podendo desencadear unha estrutura comunitaria vertical desequilibrada. En consecuencia, é crucial desenvolver métodos que axuden a planificar inventarios de organismos que conleven unha distribución espacial suficientemente detallada, xa que a maioría dos hábitats mariños permanecen sen modelar aínda debido á alta variabilidade dos sistemas ópticos do hábitat. O obxectivo deste estudo é avaliar a aplicabilidade do método na estado da arte de segmentación de imaxes Mask R-CNN para o mapeo automatizado das principais especies de macroalgas a partir de imaxes derivadas dun sensor RGB. O fluxo de traballo principal consistiu nunha intensa revisión da literatura, a análise e procesamento dos datos, a adaptación do modelo e, por último, a optimización; realizáronse diferentes experimentos coa rede axustada. A explicación crave detrás de como unha tarefa de visión por computador é abordable baixo determinados requisitos do problema, radica na adaptación do método ao dominio, proceso permitido pola xeocodificación do espazo raster, debido á orixe inherente dos datos 2-D, o que resulta en imaxes xeorreferenciadas que poden alimentar a rede neuronal convolucional. Estudáronse tres casos experimentais, e as imaxes representadas mostran progresión na segmentación das macroalgas, axustándose coherentemente a cada actualización do set de configuración de hiperparámetros. Con todo, non se logrou a etiquetaxe de clases ( desacoplado da predición das capas de vectoriais), polo que é necesario realizar máis estudos sobre a rama de clasificación dedicada. Conclúese que a separabilidad total alcanzable está limitada polos considerables esforzos para avaliar críticamente os seus logros aparentes ( vs. limitada polo sensor ou a contorna). Como o algoritmo é un enfoque impulsado pola aprendizaxe profunda ou deep learning, cando se optimice, pode ser adestrado sistematicamente e utilizado para o mapeo automatizado. |