La recerca avala l’ús de models de visió per computador per detectar fauna i analitzar-ne el comportament en temps real.
Arnau Campanera ha defensat la seva tesi doctoral a la Facultat de Biociències de la Universitat Autònoma de Barcelona (UAB). La recerca, desenvolupada al Centre de Ciència i Tecnologia Forestal de Catalunya (CTFC) sota la supervisió de Lluís Boritons i Víctor Daniel Ponsa del Centre de Visió per Computador (CVC-UAB), aporta noves eines basades en aprenentatge profund per millorar el monitoratge de fauna salvatge i facilitar la presa de decisions en conservació.
La tesi, titulada Automating Wildlife Monitoring with Camera Traps: Deep Learning Approaches for Detection, Real-Time Deployment, and Behavioral Insights, aborda un dels grans reptes actuals de l’ecologia: gestionar i analitzar els volums massius de dades generats per les càmeres trampa i altres tecnologies de monitoratge.
Models YOLO per detectar fauna amb precisió i rapidesa
Campanera va avaluar el potencial de diferents variants de l’arquitectura YOLO, un dels models de visió per computador més utilitzats en detecció d’objectes, aplicant-lo a un conjunt d’imatges de fauna que inclou múltiples espècies. La recerca estableix un rendiment base robust i explora estratègies d’optimització que milloren la detecció sense necessitat d’incrementar les dades d’entrenament.
Els resultats mostren que els models basats en YOLO ofereixen altes prestacions en entorns ecològics, i que l’ajust d’hiperparàmetres és més efectiu que l’especialització del conjunt de dades per criteris cromàtics.
Un sistema de monitoratge en temps real provat al camp
Un dels aspectes més innovadors de la tesi és el desenvolupament i prova d’un sistema de monitoratge de fauna en temps real, que integra càmeres trampa amb connectivitat cel·lular i el model optimitzat. Aquest sistema permet detectar animals gairebé en temps real, obrint la porta a aplicacions de gestió i conservació que requereixen resposta ràpida.
La recerca també combina models d’estimació de postura amb un perceptró multicapa per inferir el comportament de fauna com l’ós, demostrant que és possible identificar patrons com la bipedestació a partir d’imatges. Aquest enfocament aporta noves oportunitats per estudiar el comportament animal sense necessitat d’observació directa. La recerca ofereix orientacions pràctiques sobre els punts forts i les limitacions d’aquestes metodologies, i contribueix a reforçar l’ús de la tecnologia en la conservació de la biodiversitat.
Last modified: 20 març 2026
