DEEP-RAMP: Deep-learning para mejorar la gestión de la Red de Áreas Marinas Protegidas de la Demarcación Noratlántica.

Temática: 
Eje 1.1 Innovación pesca
Objetivos: 

General:

La propuesta Deep-RAMP - Deep-learning para mejorar la gestión de la Red de Áreas Marinas Protegidas de la Demarcación Noratlántica pretende cubrir las necesidades de automatización en la identificación e inventario de las especies estructurantes de los hábitats bentónicos vulnerables de la Red Natura 2000 Marina, y permitirá el seguimiento de los efectos que las medidas de gestión de estas zonas puedan provocar sobre los hábitats bentónicos de especial vulnerabilidad.

Específicos:

1. Avanzar en el desarrollo tecnológico que posibilite la monitorización de fondos mediante técnicas de análisis de imagen basado en algoritmos de inteligencia artificial.

2. Automatización en la identificación e inventario de las especies estructurantes de los hábitats bentónicos vulnerables de la Red Natura 2000.

3. Mejorar el seguimiento de zonas RN2000 marina, automatizando el análisis de información para evaluar los efectos que las medidas de gestión de estas zonas puedan provocar sobre los hábitats bentónicos de especial vulnerabilidad.

Descripción: 

La protección y restauración de hábitats vulnerables como pueden ser los arrecifes de coral de aguas frías o bosques de gorgonias son cruciales desde una perspectiva medioambiental, pero también porque la sostenibilidad de algunas especies de interés comercial pesquero dependen de ellas. De hecho, muchas áreas protegidas son consideradas Essential Fish Habitats (EFH), Hábitats Esenciales de Peces, fundamentales como áreas de reclutamiento o desove. Tanto las medidas de gestión de áreas EFH y las Áreas Marinas Protegidas pueden ayudar a mantener pesquerías productivas y el buen estado de salud ambiental del océano.

 

Se trabajará con información obtenida por sensores ópticos (cámaras) integrados en vehículos submarinos de control remoto. Esta tecnología ha posibilitado durante los últimos años la adquisición de una ingente cantidad de información en forma de imágenes durante la ejecución de multitud de campañas oceanográficas. Hoy en día, el análisis visual por un experto bentólogo es el único método empleado para el análisis de estas imágenes y esto lo convierte en el cuello de botella en estos estudios. Tanto que hoy en día se está recopilando una cantidad ingente de imágenes con estos vehículos que no puede ser transformada en información útil para la gestión y toma de decisiones.

 

Para realizar esta labor de forma automática y desatendida, los recientes algoritmos deep-learning parecen la solución más adecuada. La automatización del análisis y etiquetado de imágenes submarinas, es decir, la identificación de especies en las imágenes geo-localizadas es, de hecho, una de las demandas más claras de los investigadores, y uno de los escollos para que la investigación submarina del bentos consiga dar un paso más hacia delante.

Convocatoria de subvenciones: 
2019
Estado: 
Abierto
Año de inicio: 
2019
Año de finalización: 
2020
Beneficiario: 

Instituto Español de Oceanografía - Centro Oceanográfico de Santander

Socios: 

Grupo de Ingeniería Fotónica - Universidad de Cantabria