MARLIT, una aplicació basada en la intel·ligència artificial per estudiar les macrodeixalles marines flotants

Un equip de la Facultat de Biologia i de l'IRBio presenta una aplicació per automatitzar l’estudi i la quantificació de plàstics flotants mitjançant fotografies aèries.
Un equip de la Facultat de Biologia i de l'IRBio presenta una aplicació per automatitzar l’estudi i la quantificació de plàstics flotants mitjançant fotografies aèries.
Recerca
(04/02/2021)

Les macrodeixalles marines flotants són una amenaça per a la conservació dels ecosistemes marins dʼarreu del món. Les densitats més grans de residus flotants es troben als grans girs oceànics del planeta —uns sistemes de corrents circulars que giren i atrapen els residus—, però els grans residus contaminants abunden també en aigües costaneres i mars semitancats com la Mediterrània.

MARLIT, una aplicació web dʼaccés obert, permetrà detectar i quantificar els plàstics que floten al mar amb una fiabilitat superior al 80 %. Així ho constata un treball dʼexperts de la Facultat de Biologia i de lʼInstitut de Recerca de la Biodiversitat de la UB (IRBio) publicat a la revista Environmental Pollution.

Un equip de la Facultat de Biologia i de l'IRBio presenta una aplicació per automatitzar l’estudi i la quantificació de plàstics flotants mitjançant fotografies aèries.
Un equip de la Facultat de Biologia i de l'IRBio presenta una aplicació per automatitzar l’estudi i la quantificació de plàstics flotants mitjançant fotografies aèries.
Recerca
04/02/2021

Les macrodeixalles marines flotants són una amenaça per a la conservació dels ecosistemes marins dʼarreu del món. Les densitats més grans de residus flotants es troben als grans girs oceànics del planeta —uns sistemes de corrents circulars que giren i atrapen els residus—, però els grans residus contaminants abunden també en aigües costaneres i mars semitancats com la Mediterrània.

MARLIT, una aplicació web dʼaccés obert, permetrà detectar i quantificar els plàstics que floten al mar amb una fiabilitat superior al 80 %. Així ho constata un treball dʼexperts de la Facultat de Biologia i de lʼInstitut de Recerca de la Biodiversitat de la UB (IRBio) publicat a la revista Environmental Pollution.

La nova metodologia és el resultat de lʼanàlisi, mitjançant tècniques dʼintel·ligència artificial, de més de 3.700 imatges aèries de la costa mediterrània a Catalunya. A través dʼun algoritme basat en lʼaprenentatge profund (deep learning), lʼaplicació permetrà avançar en lʼavaluació de la presència, la densitat i la distribució dels contaminants plàstics als mars i oceans de tot el món. En el treball hi participen experts del Grup de Recerca Consolidat (GRC) de Grans Vertebrats Marins de la UB i de lʼIRBio, i del Grup de Recerca en Bioestadística i Bioinformàtica (GRBIO) de la UB, integrat a la plataforma Bioinformatics Barcelona (BIB).

Les deixalles que floten i contaminen els oceans

Tradicionalment, les observacions directes (vaixells, avionetes, etc.) són la base de la metodologia habitual per avaluar lʼimpacte de les macrodeixalles marines flotants (FMML, per les seves sigles en anglès). Ara bé, lʼenorme extensió dels oceans i el volum de dades dificulten enormement el progrés dels estudis de seguiment.

«Les tècniques automatitzades de fotografia aèria combinades amb lʼús dʼalgoritmes dʼanàlisi són protocols molt més eficients per al control i lʼestudi dʼaquest tipus de materials contaminants», detalla Odei García-Garín, primer autor de lʼarticle i membre del GRC de Grans Vertebrats Marins, que lidera el catedràtic Àlex Aguilar.

«No obstant això —continua—, la teledetecció automàtica dʼaquests materials encara està en una fase molt incipient. Als oceans hi ha diversos factors adversos (onatge, vent, núvols, etc.) que dificulten la detecció dels residus flotants de manera automàtica a partir de les imatges aèries de la superfície. Per aquest motiu, són pocs els estudis que hagin dedicat esforços per desenvolupar algoritmes aplicables en aquest context».

En aquesta recerca, els experts han dissenyat un nou algoritme per automatitzar la quantificació de plàstics flotants al mar a través de la fotografia aèria. Per fer-ho, han aplicat les tècniques de lʼaprenentatge profund, una metodologia dʼaprenentatge automàtic amb xarxes neuronals artificials capaces dʼaprendre i incrementar els seus coneixements.

Hi ha una gran quantitat dʼimatges de la superfície marina obtingudes per drons i avionetes en campanyes de monitorització de la brossa marina, i per estudis experimentals amb objectes flotants coneguts. «Això ens ha permès desenvolupar i testar un algoritme nou que assoleix un 80 % de precisió en la teledetecció de les macrodeixalles marines flotants», subratlla García-Garín, membre del Departament de Biologia Evolutiva, Ecologia i Ciències Ambientals i de lʼIRBio.

Preservar els oceans amb tècniques dʼaprenentatge profund

El nou algoritme sʼha implementat a MARLIT, una aplicació web dʼaccés obert disponible per a tots els gestors i professionals vinculats als estudis de detecció i quantificació de macrodeixalles marines flotants a partir dʼimatges aèries. En concret, es tracta dʼuna prova de concepte basada en el paquet dʼR Shiny, una innovació metodològica de potencial interès per agilitar els procediments de control de les macrodeixalles marines flotants.

MARLIT permet analitzar les imatges de manera individual, dividir-les en diversos segments segons les directrius de lʼusuari, identificar la presència de residus flotants a cada àrea determinada i estimar quina densitat tenen a partir de les metadades de la imatge (alçada, resolució). En un futur, sʼespera poder adaptar lʼaplicació directament en un sensor remot (per exemple, un dron) per poder automatitzar encara més el procés de teledetecció.

A escala europea, la Directiva marc sobre estratègia marina indica lʼaplicació de tècniques de monitoratge de les FMML per complir amb lʼavaluació contínua de lʼestat mediambiental del medi marí. «Per això, lʼautomatització dels processos de monitorització i lʼús dʼaplicacions com ara MARLIT facilitaria als estats membres el compliment de la directiva», conclouen els autors del nou treball.

 

Article de referència:

García-Garín, O.; Monleón-Getino, T.; López-Brosa, P.; Borrell, A.; Aguilar, À.; Borja-Robalino, R.; Cardona, L., i Vighi, M. (2021). «Automatic detection and quantification of floating marine macro-litter in aerial images: Introducing a novel deep learning approach connected to a web application in R». Environmental Pollution, gener de 2021. Doi: 10.1016/j.envpol.2021.116490

Fotografies: Àlex Aguilar, GRC Grans Vertebrats Marins (UB-IRBio)

 

Vídeo (Morgana Vighi, Alex Aguilar, Asunción Borrell, Odei Garcia-Garin, Eduard Degollada, Bertrand Bouchard i MEDSEALITTER)

Carregant vídeo...