Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/4266| Automatización en la identificación y seguimiento de tiburones ballena (Rhincodon typus) a partir del uso de drones y la aplicación de modelos de inteligencia artificial Automated Identification and Monitoring of Whale Sharks (Rhincodon typus) Using Drones and Artificial Intelligence Models | |
| Paola Judith Delgado García | |
| OSCAR SOSA NISHIZAKI EMILIANO GARCIA RODRIGUEZ | |
| Acceso Abierto | |
| Atribución | |
| tiburón ballena, identificación videográfica automatizada, seguimiento, inteligencia artificial, drones whale shark, identification, tracking, artificial intelligence, drones | |
| El tiburón ballena (Rhincodon typus) es una especie migratoria conocida por formar agregaciones temporales en zonas costeras con florecimientos de organismos plantónicos, como es el caso de Bahía de los Ángeles, Baja California, México. Actualmente esta especie está clasificada como vulnerable tanto a nivel nacional como internacional, debido a diversas amenazas, lo que hace crucial su monitoreo. En este contexto, los videos tomados desde drones resultan una aproximación tecnológica prometedora para estudiar a los tiburones en su hábitat natural sin causar mayores perturbaciones. Y para sustraer la información de los videos, los modelos de inteligencia artificial ofrecen una alternativa eficaz para su análisis. Para desarrollar un protocolo de monitoreo con drones de tiburón ballena en Bahía de los Ángeles, durante el mes de octubre de 2023, se realizaron 59 vuelos de dron en Bahía de los Ángeles, incluyendo 42 vuelos desde embarcaciones y 17 desde tierra, logrando documentar 23 avistamientos de tiburones ballena. Esta información fue utilizada para entrenar y probar modelos de inteligencia artificial mediante dos distintos enfoques: DeepLabCut (DLC) y Multi Scale Patch (MSP) que permitiera identifica la presencia de tiburones de una forma vidiográfica automatizada para ser contabilizados. Ambos enfoques se basan en arquitecturas de redes neuronales convolucionales, incorporando técnicas de aumento de datos y aprendizaje por transferencia para mejorar su desempeño. El modelo más eficaz desarrollado en este estudio fue el MSP-192O, con un desempeño de Puntaje F1 macro de 0.91. A través del análisis estadístico de diferentes variables ambientales, logísticas y el comportamiento del tiburón durante la recolección de datos, se determinó que estas variables no afectan significativamente la identificación videográfica de tiburones ballena por el modelo MSP-192O. Con este modelo se espera proporcionar una herramienta que permita ampliar el conocimiento ecológico de la especie en el área, y mejorar las medidas manejo y conservación en la bahía y en hábitats similares. The whale shark (Rhincodon typus) is a migratory species known to form temporary aggregations in coastal areas with blooms of planktonic organisms, as in Bahía de los Ángeles, Baja California, Mexico. This species is classified as vulnerable nationally and internationally due to various threats, making monitoring crucial. In this context, videos taken from drones are a promising technological approach to studying sharks in their natural habitat without causing significant disturbances. Moreover, to extract information from videos, artificial intelligence models offer an effective alternative for analysis. To develop a drone monitoring protocol for whale sharks in Bahía de los Ángeles, during October 2023, 59 drone flights were carried out in Bahía de los Ángeles, including 42 flights from boats and 17 from land, managing to document 23 whale shark sightings. This information was used to train and test artificial intelligence models using two different approaches, DeepLabCut (DLC) and Multi-Scale Patch (MSP), which allowed the presence of sharks to be identified in an automated videographic way to be counted. Both approaches are based on convolutional neural network architectures, incorporating data augmentation and transfer learning techniques to improve performance. The most effective model developed in this study was the MSP-192O, with a Macro F1 Score performance of 0.91. The statistical analysis of different environmental and logistic variables and the shark's behaviour during data collection determined that these variables do not significantly affect the video identification of whale sharks by the MSP-192O model. This model is expected to provide a tool that expands the ecological knowledge of the species in the area and improves management and conservation measures in the bay and similar habitats. | |
| CICESE | |
| 2025 | |
| Tesis de maestría | |
| Español | |
| Delgado García, P.J. 2025. Automatización en la identificación y seguimiento de tiburones ballena (Rhincodon typus) a partir del uso de drones y la aplicación de modelos de inteligencia artificial. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.64 pp. | |
| OTRAS | |
| Aparece en las colecciones: | Tesis - Ecología Marina |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Paola Judith Delgado García_2025.pdf | Descripción completa de la tesis | 4.35 MB | Adobe PDF | Visualizar/Abrir |