La investigación respalda el uso de modelos de visión por computador para detectar fauna y analizar su comportamiento en tiempo real.
Arnau Campanera ha defendido su tesis doctoral en la Facultad de Biociencias de la Universidad Autónoma de Barcelona (UAB). El trabajo, desarrollado en el Centro de Ciencia y Tecnología Forestal de Cataluña (CTFC) bajo la supervisión de Lluís Boritons y Víctor Daniel Ponsa del Centro de Visión por Computador (CVC-UAB), aporta nuevas herramientas basadas en aprendizaje profundo para mejorar el monitoreo de fauna silvestre y apoyar la toma de decisiones en conservación.
La tesis, titulada Automating Wildlife Monitoring with Camera Traps: Deep Learning Approaches for Detection, Real-Time Deployment, and Behavioral Insights, aborda uno de los grandes retos actuales de la ecología: gestionar y analizar los enormes volúmenes de datos generados por las cámaras trampa y otras tecnologías de monitoreo.
Modelos YOLO para detectar fauna con precisión y rapidez
Campanera evaluó el potencial de distintas variantes de la arquitectura YOLO, uno de los modelos de visión por computador más utilizados en detección de objetos, aplicándolo a un conjunto de imágenes de fauna que incluye múltiples especies. La investigación establece un rendimiento base sólido y explora estrategias de optimización que mejoran la detección sin necesidad de aumentar los datos de entrenamiento.
Los resultados muestran que los modelos basados en YOLO ofrecen un rendimiento elevado en contextos ecológicos, y que el ajuste de hiperparámetros resulta más eficaz que la especialización del conjunto de datos según criterios cromáticos.
Un sistema de monitoreo en tiempo real probado en campo
Uno de los aspectos más innovadores de la tesis es el desarrollo y prueba de un sistema de monitoreo de fauna en tiempo real, que integra cámaras trampa con conectividad celular y el modelo optimizado. Este sistema permite detectar animales casi en tiempo real, abriendo la puerta a aplicaciones de gestión y conservación que requieren una respuesta rápida.
La investigación también combina modelos de estimación de postura con un perceptrón multicapa para inferir el comportamiento de fauna como el oso, demostrando que es posible identificar patrones como la bipedestación a partir de imágenes. Este enfoque ofrece nuevas oportunidades para estudiar el comportamiento animal sin necesidad de observación directa. El trabajo proporciona orientaciones prácticas sobre los puntos fuertes y las limitaciones de estas metodologías, y contribuye a reforzar el uso de la tecnología en la conservación de la biodiversidad.
Last modified: 20 Marzo 2026
