Estrategia de generación de mapas de densidad para el conteo de multitudes en piscifactorías del Mediterráneo

Abstract

Aunque la pesca de captura seguirá siendo importante, la acuicultura ya ha demostrado que cumple un papel esencial en la seguridad alimentaria mundial. Este proyecto se aborda en piscifactorías, donde uno de los grandes problemas consiste en determinar la cantidad de comida necesaria para alimentar a los peces en la jaula. Este trabajo se enfoca en el conteo de multitudes de especímenes de dorada en piscifactorías del Mediterráneo. Para ello, se ha planteado la hipótesis de que es más relevante el relieve de la imagen que su geometría para estimar los mapas de densidad en el fondo marino con alta oclusión y condiciones adversas de iluminación. Además, se plantea que se logra mayor eficacia con la presencia de cardúmenes durante el conteo por estimación de mapas de densidad. En escenarios de esta naturaleza (granjas flotantes en el mar) es imposible tener imágenes reales etiquetadas de una forma correcta para entrenar de forma supervisada los algoritmos. Por este motivo se plantea el problema científico de cómo construir un corpus de datos válido para el conteo de multitudes de doradas en piscifactorías, mediante el método de estimación de mapas de densidad. En la propuesta de solución se han generado imágenes sintéticas usando el entorno Unity simulando el movimiento real de los peces ante la presencia de alimentos usando la heurística de la familia de algoritmos de optimización Artificial Fish Swarm Algorithm. Con el conjunto de datos generado se ha intentado resolver el problema del conteo por medio de tres métodos distintos: Adaptación de Dominio, Transferencia de Imagen a Imagen y Transferencia de Estilo. Todos ellos bajo una adaptación de la red VGG-16 para extraer características con las imágenes sintéticas, la VGG-19 durante la transferencia de estilo y CycleGan para la transferencia de imagen a imagen. Se ha incluido un estudio comparativo entre ellos, que arrojan algunas conclusiones. Los resultados generados son prometedores en la actual etapa de ejecución del proyecto. Se han obtenido valores de conteo con niveles adecuados de eficacia en varias pruebas, aunque se puede refinar los modelos aumentando el tamaño del corpus generado.