Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal

La tortuga terrestre Chelonoidis chilensis es una especie que se encuentra en estado vulnerable a nivel nacional e internacional y está incluida en el Apéndice II de CITES, siendo el reptil autóctono más comercializado en el mercado ilegal de mascotas de Argentina [1]. Los estudios en campo son esca...

Descripción completa

Detalles Bibliográficos
Autor principal: Córdova Mora, David
Formato: Tesis NonPeerReviewed
Lenguaje:Español
Publicado: 2022
Materias:
Sistemas complejos
Machine learning
Aprendizaje automático
[Animal behavior
Comportamiento animal
Tortoise
Tortuga terrestre
Tiny machine learning
Chelonoidis chilensis
Chelonoidis denticulata]
Acceso en línea:http://ricabib.cab.cnea.gov.ar/1161/1/1C%C3%B3rdova_Mora.pdf
Aporte de:
Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB) de Instituto Balseiro
id I25-R131-1161
record_format dspace
institution Instituto Balseiro
institution_str I-25
repository_str R-131
collection Repositorio Institucional Centro Atómico Bariloche e Instituto Balseiro (RICABIB)
language Español
orig_language_str_mv es
topic Sistemas complejos
Machine learning
Aprendizaje automático
[Animal behavior
Comportamiento animal
Tortoise
Tortuga terrestre
Tiny machine learning
Chelonoidis chilensis
Chelonoidis denticulata]
spellingShingle Sistemas complejos
Machine learning
Aprendizaje automático
[Animal behavior
Comportamiento animal
Tortoise
Tortuga terrestre
Tiny machine learning
Chelonoidis chilensis
Chelonoidis denticulata]
Córdova Mora, David
Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
topic_facet Sistemas complejos
Machine learning
Aprendizaje automático
[Animal behavior
Comportamiento animal
Tortoise
Tortuga terrestre
Tiny machine learning
Chelonoidis chilensis
Chelonoidis denticulata]
description La tortuga terrestre Chelonoidis chilensis es una especie que se encuentra en estado vulnerable a nivel nacional e internacional y está incluida en el Apéndice II de CITES, siendo el reptil autóctono más comercializado en el mercado ilegal de mascotas de Argentina [1]. Los estudios en campo son escasos, dado que su camuflaje con el entorno hace que sea difícil detectarla en su hábitat natural, lo que provoca la falta de datos necesarios para su estudio y conservación. Las técnicas de aprendizaje automático, podrían ayudar a resolver este problema puesto que se pueden utilizar para clasificar señales de sensores inerciales colocados sobre el animal, con distintos comportamientos del ejemplar, sin necesidad de la observación directa. En este trabajo se empleó una unidad de navegación que cuenta con acelerómetro, giroscopio, GPS, y termómetro. Se analizaron datos recolectados con este dispositivo sobre tortugas silvestres, en campos cercanos a la ciudad de San Antonio Oeste (Prov. de Río Negro), desde noviembre de 2020 hasta enero de 2022. También se recolectaron datos de tortugas de una especie de similares caracter´ısticas, Chelonoidis denticulata, en el Parque Amaru de la Ciudad de Cuenca- Ecuador y se grabaron sus movimientos con cámaras de vigilancia. Se logró diseñar un algoritmo de aprendizaje automático capaz de detectar en tiempo real cuando una tortuga se mueve, con una precisión de 99.83 %. También se diseñó un modelo que detecta cuando una tortuga pone huevos o copula aunque es necesario obtener más datos para estimar su precisión en el mundo real y detectar otras actividades como caminata y cópula. Se encontró una correlación positiva significativa entre los períodos de actividad y los de mayor temperatura. Adicionalmente se encontró un umbral en la temperatura ambiente a partir del cual las tortugas reducen su actividad. Este resultado puede ser relevante ya que se ha reportado la disminución en poblaciones de otros reptiles como consecuencia del incremento de temperatura ocasionado por el calentamiento global. En la próxima etapa del estudio se explorar´a la implementación de cambios en la unidad de navegación, como la adición de sensores (sonido, cámaras) que permitan etiquetar datos y la programación del algoritmo de adquisición de datos para mejorar la duración de la batería.
format Tesis
NonPeerReviewed
author Córdova Mora, David
author_facet Córdova Mora, David
author_sort Córdova Mora, David
title Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
title_short Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
title_full Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
title_fullStr Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
title_full_unstemmed Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
title_sort modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal
publishDate 2022
url http://ricabib.cab.cnea.gov.ar/1161/1/1C%C3%B3rdova_Mora.pdf
work_keys_str_mv AT cordovamoradavid modelosmatematicosytecnicasdeaprendizajeautomaticoparaelestudiodelmovimientoanimal
_version_ 1812569763483746304
spelling I25-R131-11612023-08-07T17:50:50Z Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal Mathematical models and machine learning in animal movement studies Córdova Mora, David Sistemas complejos Machine learning Aprendizaje automático [Animal behavior Comportamiento animal Tortoise Tortuga terrestre Tiny machine learning Chelonoidis chilensis Chelonoidis denticulata] La tortuga terrestre Chelonoidis chilensis es una especie que se encuentra en estado vulnerable a nivel nacional e internacional y está incluida en el Apéndice II de CITES, siendo el reptil autóctono más comercializado en el mercado ilegal de mascotas de Argentina [1]. Los estudios en campo son escasos, dado que su camuflaje con el entorno hace que sea difícil detectarla en su hábitat natural, lo que provoca la falta de datos necesarios para su estudio y conservación. Las técnicas de aprendizaje automático, podrían ayudar a resolver este problema puesto que se pueden utilizar para clasificar señales de sensores inerciales colocados sobre el animal, con distintos comportamientos del ejemplar, sin necesidad de la observación directa. En este trabajo se empleó una unidad de navegación que cuenta con acelerómetro, giroscopio, GPS, y termómetro. Se analizaron datos recolectados con este dispositivo sobre tortugas silvestres, en campos cercanos a la ciudad de San Antonio Oeste (Prov. de Río Negro), desde noviembre de 2020 hasta enero de 2022. También se recolectaron datos de tortugas de una especie de similares caracter´ısticas, Chelonoidis denticulata, en el Parque Amaru de la Ciudad de Cuenca- Ecuador y se grabaron sus movimientos con cámaras de vigilancia. Se logró diseñar un algoritmo de aprendizaje automático capaz de detectar en tiempo real cuando una tortuga se mueve, con una precisión de 99.83 %. También se diseñó un modelo que detecta cuando una tortuga pone huevos o copula aunque es necesario obtener más datos para estimar su precisión en el mundo real y detectar otras actividades como caminata y cópula. Se encontró una correlación positiva significativa entre los períodos de actividad y los de mayor temperatura. Adicionalmente se encontró un umbral en la temperatura ambiente a partir del cual las tortugas reducen su actividad. Este resultado puede ser relevante ya que se ha reportado la disminución en poblaciones de otros reptiles como consecuencia del incremento de temperatura ocasionado por el calentamiento global. En la próxima etapa del estudio se explorar´a la implementación de cambios en la unidad de navegación, como la adición de sensores (sonido, cámaras) que permitan etiquetar datos y la programación del algoritmo de adquisición de datos para mejorar la duración de la batería. The land turtle Chelonoidis chilensis is a species that is in a vulnerable state nationally and internationally and is included in CITES Appendix II, being the indigenous reptile most traded in the illegal pet market of Argentina [1]. Field studies are scarce, since their camouflage with the environment makes it difficult to detect it in its natural habitat, which causes the lack of data necessary for its study and conservation. Machine learning techniques could help solve this problem since they can be used to classify signals from inertial sensors placed on the animal, with different behaviors of the specimen, without direct observation. In this work a navigation unit was employed that has accelerometer, gyroscope, GPS, and thermometer. We analyzed data collected with this device on wild turtles, in fields near the city of San Antonio Oeste (Prov. de Río Negro), from November 2020 to January 2022. Data were also collected from turtles of a similar species, Chelonoidis denticulata, in the Amaru Park of the City of Cuenca-Ecuador and their movements were recorded with surveillance cameras. It was possible to design a machine learning algorithm capable of detecting in real time when a turtle moves, with an accuracy of 99.83%. A model was also designed that detects when a turtle lays eggs or copula although it is necessary to obtain more data to estimate its accuracy in the real world and detect other activities such as walking and copulation. A significant positive correlation was found between periods of activity and periods of higher temperature. Additionally, a threshold was found in the ambient temperature from which turtles reduce their activity.This result may be relevant since it has been reported the decrease in populations of other reptiles as a result of the increase in temperature caused by global warming. In the next stage of the study will explore the implementation of changes in the navigation unit, such as the addition of sensors (sound, cameras) allowing data labeling and programming of the data acquisition algorithm to improve battery life. 2022-12-19 Tesis NonPeerReviewed application/pdf http://ricabib.cab.cnea.gov.ar/1161/1/1C%C3%B3rdova_Mora.pdf es Córdova Mora, David (2022) Modelos matemáticos y técnicas de aprendizaje automático para el estudio del movimiento animal / Mathematical models and machine learning in animal movement studies. Maestría en Ciencias Físicas, Universidad Nacional de Cuyo, Instituto Balseiro. http://ricabib.cab.cnea.gov.ar/1161/

Ejemplares similares