El algoritmo se integrará al Sistema de Información y Análisis Marino-Costero de la Conabio
Julio González Quintero y José Alfonso Gómez Coeto, estudiantes de Ingeniería en Ciencias de la Computación de la BUAP, integran el equipo “Sargassum Busters”, junto con siete alumnos y académicos de la UNAM, el cual desarrolló un algoritmo para detectar de manera oportuna el sargazo y darle seguimiento desde las costas de África hasta América, con lo cual ganaron el primer lugar del certamen Ocean Hackathon, en el Campus Mondial de la Mer, ubicado en Brest, Francia.
Tras este triunfo, el equipo fue invitado al All-Atlantic Ocean Research Forum, a celebrarse el 6 y 7 de febrero, en Bruselas, y donde presentarán este proyecto ganador ante otra audiencia internacional.
El nuevo algoritmo llamado Aquae Satus Invenio (ASI) formará parte del Sistema de Información y análisis MARino-costero (SIMAR), una plataforma interactiva de la Comisión Nacional para el Conocimiento y Uso de la Biodiversidad (Conabio).
De manera previa, los universitarios ganaron la etapa nacional del Ocean Hackathon, edición Ciudad de México, realizado en Casa de Francia y organizado por el Instituto Francés en América Latina (IFAL). Se trata de una competencia de programadores o hackers que resuelven distintos problemas; en este caso, enfocados al cuidado de los océanos del mundo. Su triunfo en la etapa nacional les dio el pase a la final internacional del Ocean Hackathon.
Experiencia BUAP
Para los estudiantes de la Facultad de Ciencias de la Computación, 2019 fue un año productivo en cuanto a la obtención de experiencia profesional, ya que participaron en diversos hackathon o competencias maratónicas de 48 horas. El primero de ellos, Talend Land Hackathon, realizado en abril en Guadalajara, enfocado a educación financiera.
Más tarde, Julio González Quintero y José Alfonso Gómez Coeto, alumnos de octavo semestre y tesista, respectivamente, participaron en el HackaPalooza, organizado por IBM, en la categoría “Asistencia a personas tras desastres naturales”. Ahí se centraron en terremotos. Su propuesta fue que un dron mapeara una zona en tiempo real y que este por sí solo mostrara dónde había personas y mandará esas coordenadas.
En septiembre concursaron en un maratón de desarrollo de tecnología biométrica, organizado por BBVA, para que los empleados de este banco ingresaran por reconocimiento facial. “La mayoría de esta tecnología tiene falsos positivos. Nosotros hicimos un algoritmo en inteligencia artificial por una red neuronal que identifica 40 mil puntos (características) del rostro humano para comparar. También implementamos un filtro de prueba de vida, para identificar si se trataba de un video o fotografía”. Con este proyecto tuvieron una fidelidad del 95 por ciento de reconocimiento.
En octubre participaron en el Hackafest, organizado por Sparkassenstiftung Für Internationale Kooperation en la Universidad Iberoamericana Puebla, un certamen enfocado a las finanzas digitales rurales. Con su proyecto Yum Kax, en honor al dios de la agricultura en la cultura maya, obtuvieron el tercer lugar del desafío Intermediarios financieros en zonas rurales. Este es un dispositivo con sensores para monitorear el campo y realizar comparaciones entre agricultores, el cual podría interconectarse sin necesidad de internet.
Investigación para salvar los océanos
Desde 2015, los ecosistemas marino-costeros de México y otros países del Caribe han sido afectados severamente por la llegada masiva de sargazo pelágico. Se sabe que viaja desde África hasta el Caribe mexicano, pero aún se desconoce a qué se debe su crecimiento descontrolado.
Hoy en día, su detección se realiza con un algoritmo llamado AFAI que utiliza imágenes de un satélite de la NASA, el MODIS, pero este tiende a ser impreciso, ya que alerta de su presencia cuando no existe o viceversa.
Como parte de la búsqueda de soluciones, el equipo “Sargassum Busters”, en el que participan los estudiantes de la BUAP, creó el algoritmo ASI (traducido como invento que viene desde al agua), el cual mejora la detección satelital de esta planta acuática en la superficie marina, hasta con 20 metros de resolución espacial, lo que permite detectar los objetos a mayor detalle en comparación con el satélite MODIS, en el cual cada pixel representa 2 kilómetros.
Este método se desarrolló a partir de imágenes del satélite Sentinel 2A/2B de la Agencia Espacial Europea (ESA), el cual emplea técnicas de aprendizaje supervisado o Machine Learning muy diferente a las técnicas actuales, donde se clasifican automáticamente los pixeles individuales que se identifican como sargazo.
Contribución de los estudiantes BUAP
La contribución de los estudiantes de la BUAP se centra en incluir esta inteligencia artificial. Para ello, Julio González y Alfonso Gómez tomaron como base el algoritmo AFAI usado por el satélite MODIS, para tener un previo de la detección de sargazo. Dado que el algoritmo de Machine Learning necesita aprender con la supervisión de una persona, para después hacerlo por sí solo, los jóvenes entrenaron al algoritmo con un millón de puntos. Después de ello, probaron nuevas imágenes.
Además, los universitarios indicaron que entre las mejorías incluyeron el aumento del número de espectros de detección. “AFAI usa tres bandas (espectros) de los satélites. Nosotros utilizamos nueve, así que tenemos más información al considerar un mayor número de bandas, como el infrarrojo y luz visible; de ahí la mejoría”.
Por lo tanto, “a primera vista nuestro algoritmo era mucho más preciso y daba imágenes más nítidas de la detección”, destacaron. No obstante, las imágenes proporcionadas por el satélite en cuestión tienen un desfase de 2 a 3 días. La meta siguiente es realizar el monitoreo en tiempo real y perfeccionar el algoritmo ASI, para sus pruebas posteriores in situ.
