Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares

La fotografía de fauna silvestre constituye una herramienta fundamental en la obtención de registros de individuos de aves anilladas (banderillas con códigos únicos) para el estudio de especies de amplia distribución geográfica. El desarrollo tecnológico, junto con el incremento de iniciativas de ci...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Fernández Cruz, Teodoro Ismael, Ascagorta, Octavio, Iaconis, Francisco Ramiro, Hevia, Glenda Denise, Pollicelli, María Débora
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2024
Materias:
Ciencias Informáticas
aves
foto-identificación
visión por computadora
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/178482
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-178482
record_format dspace
spelling I19-R120-10915-1784822025-04-25T20:07:47Z http://sedici.unlp.edu.ar/handle/10915/178482 Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares Fernández Cruz, Teodoro Ismael Ascagorta, Octavio Iaconis, Francisco Ramiro Hevia, Glenda Denise Pollicelli, María Débora 2024-08 2024 2025-04-25T14:34:50Z es Ciencias Informáticas aves foto-identificación visión por computadora La fotografía de fauna silvestre constituye una herramienta fundamental en la obtención de registros de individuos de aves anilladas (banderillas con códigos únicos) para el estudio de especies de amplia distribución geográfica. El desarrollo tecnológico, junto con el incremento de iniciativas de ciencia ciudadana, han contribuido a enriquecer estos registros de manera exponencial. Esta línea de investigación busca optimizar el procesamiento y el análisis de grandes volúmenes de imágenes con sus metadatos asociados, así como facilitar la exploración e interpretación de datos mediante herramientas analíticas espacio-temporales. Se destacan como resultados preliminares el desarrollo de modelos basados en deep learning para la foto-identificación automatizado del Chorlo Doble Collar (Charadrius falklandicus), un ave playera que típicamente reproduce en las zonas costeras de Patagonia. En particular, se exponen dos modelos obtenidos que demuestran la viabilidad de este enfoque para realizar una clasificación dicotómica de imágenes de presencia/ausencia de la especie y la posterior detección de la banderilla, que permite arribar a la identificación del individuo. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 74-79
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
aves
foto-identificación
visión por computadora
spellingShingle Ciencias Informáticas
aves
foto-identificación
visión por computadora
Fernández Cruz, Teodoro Ismael
Ascagorta, Octavio
Iaconis, Francisco Ramiro
Hevia, Glenda Denise
Pollicelli, María Débora
Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
topic_facet Ciencias Informáticas
aves
foto-identificación
visión por computadora
description La fotografía de fauna silvestre constituye una herramienta fundamental en la obtención de registros de individuos de aves anilladas (banderillas con códigos únicos) para el estudio de especies de amplia distribución geográfica. El desarrollo tecnológico, junto con el incremento de iniciativas de ciencia ciudadana, han contribuido a enriquecer estos registros de manera exponencial. Esta línea de investigación busca optimizar el procesamiento y el análisis de grandes volúmenes de imágenes con sus metadatos asociados, así como facilitar la exploración e interpretación de datos mediante herramientas analíticas espacio-temporales. Se destacan como resultados preliminares el desarrollo de modelos basados en deep learning para la foto-identificación automatizado del Chorlo Doble Collar (Charadrius falklandicus), un ave playera que típicamente reproduce en las zonas costeras de Patagonia. En particular, se exponen dos modelos obtenidos que demuestran la viabilidad de este enfoque para realizar una clasificación dicotómica de imágenes de presencia/ausencia de la especie y la posterior detección de la banderilla, que permite arribar a la identificación del individuo.
format Objeto de conferencia
Objeto de conferencia
author Fernández Cruz, Teodoro Ismael
Ascagorta, Octavio
Iaconis, Francisco Ramiro
Hevia, Glenda Denise
Pollicelli, María Débora
author_facet Fernández Cruz, Teodoro Ismael
Ascagorta, Octavio
Iaconis, Francisco Ramiro
Hevia, Glenda Denise
Pollicelli, María Débora
author_sort Fernández Cruz, Teodoro Ismael
title Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
title_short Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
title_full Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
title_fullStr Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
title_full_unstemmed Optimizando la identificación y estudio biológico de aves mediante IA: resultados preliminares
title_sort optimizando la identificación y estudio biológico de aves mediante ia: resultados preliminares
publishDate 2024
url http://sedici.unlp.edu.ar/handle/10915/178482
work_keys_str_mv AT fernandezcruzteodoroismael optimizandolaidentificacionyestudiobiologicodeavesmedianteiaresultadospreliminares
AT ascagortaoctavio optimizandolaidentificacionyestudiobiologicodeavesmedianteiaresultadospreliminares
AT iaconisfranciscoramiro optimizandolaidentificacionyestudiobiologicodeavesmedianteiaresultadospreliminares
AT heviaglendadenise optimizandolaidentificacionyestudiobiologicodeavesmedianteiaresultadospreliminares
AT pollicellimariadebora optimizandolaidentificacionyestudiobiologicodeavesmedianteiaresultadospreliminares
_version_ 1847925374170693632

Ejemplares similares