En colaboración con la Stiftung Wildtiere Aargau, Adrian F. Meyer estudió cómo utilizar drones y análisis automatizado de imágenes para el seguimiento de la fauna. Se compararon imágenes térmicas, multiespectrales y RGB obtenidas en recintos de fauna del noroeste de Suiza y del sur de la Selva Negra. El trabajo de fin de máster dio lugar a un prototipo de aprendizaje profundo que reconoce señales de animales en imágenes térmicas y analiza secuencias de vídeo.
Contexto y relevancia
La visibilidad de la fauna depende del sensor, la vegetación y las condiciones de captura. Las imágenes térmicas muestran firmas de calor, mientras que RGB y multiespectrales ofrecen otra información ambiental. El estudio compara estas posibilidades en condiciones de campo controlables.
La detección automática es un componente del seguimiento, no una estimación poblacional por sí misma. Los dobles recuentos, animales ocultos y probabilidades variables de detección requieren un análisis ecológico adicional.
01
La pregunta de investigación
¿Qué sensores y métodos de análisis con drones son adecuados para el seguimiento automatizado de la fauna?
02
El camino hacia la respuesta
- Realizar vuelos de toma de imágenes en recintos de fauna con sensores térmicos, multiespectrales y RGB.
- Comparar la utilidad y las limitaciones de los distintos tipos de imágenes para el seguimiento de la fauna.
- Desarrollar un prototipo de aprendizaje profundo para detectar las señales térmicas de los animales.
03
Resultados y aplicaciones
- Un prototipo para analizar con rapidez secuencias de vídeo térmico.
- Bases metodológicas para realizar censos más eficientes y desarrollar otras aplicaciones de detección de fauna.
