Inteligencia artificial como herramienta automatizada para monitoreo de fauna silvestre mediante el modelo YOLOv5

Resumen

En el presente artículo, se mostrarán los resultados obtenidos al desarrollar una red neuronal de tipo convolucional (CNN) a manera de prototipo mediante el modelo de YOLOv5 (You Only Look Once). Esto se hizo utilizando los servicios en línea de Google colab, Roboflow y MakeSense.ai para la detección de fauna silvestre en imágenes de estudio en áreas naturales protegidas. Esto con el fin de encontrar una alternativa a las técnicas de monitoreo actuales, buscando ser más eficiente y con buen desempeño para el monitoreo de animales en áreas de interés utilizando modelos de detección con inteligencia artificial (I.A.).
Es importante mencionar que el modelo aún se encuentra en fase de prototipo, por lo cual, no se cuenta con pruebas en campo del mismo. Para el desarrollo del modelo se utilizaron fotografías obtenidas por cámaras trampa marca “Browning” modelo BTC-1XR que se colocaron en el bioparque Sahuatoba en la ciudad de Durango, Dgo. De igual forma, una parte de ellas fueron brindadas por investigadores del ITVG, las cuales se obtuvieron con cámaras trampa dentro de su hábitat natural. En este artículo, se evaluó el desempeño de 3 modelos diferentes siguiendo la arquitectura YOLOv5x generando una comparativa de los resultados obtenidos por medio de las métricas de precisión, mAP o “mean average precisión” y la función de pérdida, con el fin de seleccionar el modelo con el mejor desempeño en clasificación.