La basura marina es un problema grande y global, y los científicos buscan constantemente nuevas opciones para solucionarlo. Un estudio de Borrelle et al. estimó que en 2016 entraron en los ecosistemas acuáticos de todo el mundo hasta 23 millones de toneladas métricas de residuos plásticos y predijo que las emisiones anuales podrían alcanzar hasta 53 millones de toneladas métricas al año en 2030.

Ante este problema, la Oficina Nacional de Administración Oceánica y Atmosférica de Estados Unidos (NOAA por sus siglas en inglés), la Universidad Estatal de Oregón y sus socios están desarrollando un sistema de aprendizaje automático basado en drones para detectar e identificar los desechos marinos a lo largo de la costa.

Según los especialistas, detectar e identificar los desechos de forma rápida y precisa es clave para las acciones de limpieza y respuesta que pueden prevenir estos impactos, y los sistemas aéreos no tripulados ofrecen esta capacidad.

“Los desechos marinos son un problema omnipresente y, combinando el uso de sistemas aéreos no tripulados (UAS) y el aprendizaje automático/la inteligencia artificial, el equipo estaba intrigado en diseñar un enfoque para abordar el problema con mayor eficacia”, explicó a Metro Tim Battista, oceanógrafo y jefe del equipo de cartografía de hábitats del Servicio Nacional de Océanos de la NOAA.

La luz polarizada que reflejan los objetos fabricados por el hombre suele diferir de la de los objetos naturales, como la vegetación, el suelo y las rocas, por lo que instalar una cámara polarimétrica en un dron podría mejorar la detección de residuos desde el aire.

Los investigadores probaron dicha cámara tanto en tierra como, con la ayuda de los guardacostas estadounidenses, desde un helicóptero. El vuelo en helicóptero permitió al equipo imitar la altitud a la que volaría el sistema de drones y simular lo que ocurriría si el UAV utilizara una cámara polarimétrica.

Después, el equipo entrenó un programa informático de aprendizaje automático para encontrar y clasificar los restos en las imágenes recogidas.

Esta información se utilizará para elaborar mapas que muestren dónde se concentran los desechos marinos a lo largo de la costa para orientar los esfuerzos de respuesta rápida y eliminación.

“Nuestra esperanza es que este enfoque permita a los equipos de retirada de residuos evaluar rápidamente los lugares para planificar y optimizar sus esfuerzos de remoción”.

—  Tim Battista, oceanógrafo y jefe del equipo de cartografía de hábitats del Servicio Nacional de Océanos de la NOAA.

53

millones de toneladas métricas de residuos plásticos podrían entrar en los ecosistemas acuáticos cada año de aquí a 2030.

Así es como podría funcionar un modelo de aprendizaje automático que utilizarían los drones:

-Coloca un cuadro delimitador alrededor de cada objeto de desecho identificado.

-Aplica un umbral de clase y confianza a cada cuadro delimitador (por ejemplo, Boya 64%).

-Registra la coordenada central aproximada para cada caja de delimitación del objeto.

-Envía al usuario el cuadro delimitador y los resultados de la clasificación de cada objeto detectado.

Entrevista

Tim Battista, oceanógrafo y jefe del equipo de cartografía de hábitats del Servicio Nacional de Océanos de la NOAA

P: ¿Cómo detecta su sistema los desechos marinos?

- La eliminación de los desechos marinos es un problema recurrente y puede ser una tarea costosa. Los sistemas aéreos no tripulados son una forma asequible y rápida de vigilar un tramo de costa. Nuestro equipo también probó los nuevos sistemas de cámaras disponibles recientemente, las imágenes polarimétricas, que mejoran la capacidad de detectar objetos fabricados por el hombre, como los desechos marinos. A continuación, nuestro equipo construyó una herramienta de ML/AI (aprendizaje automático/inteligencia artificial) que incorpora datos para detectar, clasificar y localizar automáticamente objetos de basura marina a partir de los datos recogidos.

P: ¿Qué ventajas tiene el uso de drones para limpiar la basura marina?

- Los drones ofrecen una forma relativamente barata y rápida de inspeccionar una zona costera para evaluar y cuantificar rápidamente la densidad y la distribución de los residuos. Los datos recogidos por los drones proporcionan información precisa y de alta resolución para detectar y supervisar los problemas de los residuos. La vigilancia humana de las zonas costeras puede requerir mucho tiempo y esfuerzo físico, y a menudo muchas zonas son de difícil acceso.

P: ¿Puede explicar cómo funciona el sistema de aprendizaje automático?

- El modelo de aprendizaje automático de los desechos marinos se entrena con la API de detección de objetos de Tensorflow e incluye 6.000 objetos de desechos etiquetados a una distancia de muestreo del suelo de 2 cm. La red neuronal convolucional está empaquetada en un contenedor Docker, lo que facilita la descarga, el acceso y la inferencia en las imágenes. El usuario puede cargar imágenes en la API (Ed. : Interfaz de programación de aplicaciones) a través de un simple navegador web, donde se buscan y seleccionan localmente los archivos deseados. A continuación, la API escanea las imágenes cargadas con un modelo de aprendizaje automático y realiza la inferencia.