Tradicionalmente, cuando los investigadores querían saber la cantidad de flores disponibles para los polinizadores en un lugar determinado, tenían que ir al campo y hacer un inventario. Si bien estos esfuerzos son extremadamente valiosos, requieren mucho tiempo y son difíciles de implementar a gran escala. Para abordar esto, Sookhan y sus colaboradores desarrollaron Un sistema informático automatizado que podría identificar diferentes especies de flores silvestres a partir de fotografías aéreas., lo que podría facilitar el monitoreo de hábitats importantes para polinizadores.
El equipo voló drones a distintas alturas sobre prados y tomó miles de fotografías superpuestas que luego unió para formar mapas detallados. Luego, un programa de inteligencia artificial especialmente entrenado analizó estos mapas para detectar y clasificar las flores por sus colores y formas.
El sistema automatizado de Sookhan y sus colaboradores demostró ser muy preciso a la hora de identificar flores, en particular las varas de oro amarillas (Solidago), que se detectaron correctamente el 82 % de las veces. Otras flores, como los ásteres blancos y morados (Symphyotrichum), también se identificaron bien, lo que hace que el método sea fiable para inspeccionar grandes áreas rápidamente.
Este nuevo método con drones puede estudiar áreas mucho más grandes en menos tiempo, lo que ayuda a rastrear los cambios en las poblaciones de flores y a monitorear mejor los hábitats de los polinizadores. Cabe destacar que esta metodología emplea drones de consumo, lo que sugiere un alto potencial de replicabilidad en otras áreas.
Sookhan, N., Sookhan, S., Grewal, D. y MacIvor, JS (2024). Automatización de censos florales de campo con aprendizaje automático. Soluciones Ecológicas y Evidencia, 5(1), e12393. https://doi.org/10.1002/2688-8319.12393 (OA)
Publicación cruzada en Bluesky, Mastodonte & Threads.
