Inteligencia artificial en ayuda a los drones para encontrar a personas perdidas en el bosque

Cada año, miles de personas se pierden en bosques y zonas montañosas, donde, teniendo en cuenta los peligros que corren, las operaciones de rescate deben ser rápidas y eficientes.

Para resolver este problema, los investigadores de la Universidad Johannes Kepler han usado tecnología de inteligencia artificial, con objeto de mejorar las cámaras de imágenes térmicas. El estudio se publica en la revista Nature Machine Intelligence.

Normalmente, la búsqueda y el rescate se hacen mediante helicópteros, mientras que los equipos de personal emplean prismáticos y cámaras de imágenes térmicas.

Con las cámaras térmicas se consigue resaltar las diferencias de las temperaturas corporales con el entorno, lo que permite a los rescatadores distinguir entre a las personas.

Pero los dispositivos a veces confunden, especialmente cuando hace calor y los árboles y la vegetación circundante también tienen temperaturas elevadas, próximas a las corporales de las personas a las que se busca.

Ahora, gracias a esta última investigación, los investigadores planean hacer frente a estos problemas. Para ello, los investigadores han diseñado los drones que distingan a los humanos de los alrededores. Lo lograron usando una aplicación de aprendizaje profundo para mejorar las imágenes recogidas por los drones.

Según los investigadores, «En el futuro, el rescate de personas perdidas, enfermas o heridas será llevado a cabo cada vez más por drones autónomos. Sin embargo, descubrir a los seres humanos en un terreno densamente forestado es un reto debido a la oclusión, y se requieren mecanismos de detección robustos. Demostramos que la detección automatizada de personas en condiciones de oclusión puede mejorarse notablemente combinando imágenes de múltiples perspectivas antes de la clasificación».

«Aquí empleamos la integración de imágenes por seccionamiento óptico aerotransportado (AOS), una técnica de imágenes de apertura sintética que emplea cámaras para capturar campos de luz térmica no estructurados, para lograr esto con una precisión y recuerdo del 96% y 93%, respectivamente». Este es un gran logro, ya que las cámaras tradicionales de imágenes térmicas sólo alcanzan el 25%.

Fte. Industry Taps