Desafío

Las cámaras ocultas en los hábitats de los animales salvajes permiten que los investigadores capturen fotos y videos de la fauna en su entorno natural, sin las perturbaciones de los humanos o el cautiverio. Estas cámaras trampa son fundamentales para comprender nuestros ecosistemas salvajes, ya que nos entregan información crítica sobre los comportamientos, las migraciones, las poblaciones, etc. En los proyectos de todo el mundo se utilizan fotos y videos. Pero la enorme cantidad de datos visuales de estos proyectos genera un nuevo desafío: ¿cómo examinar millones de fotogramas para encontrar y etiquetar los animales?

Soluciones

Zamba Cloud fue creado a partir de un modelo de aprendizaje automático que superó a todos los demás en una competencia de identificación de fauna silvestre automatizada. El ganador alcanzó un 96 % de exactitud en la identificación de la presencia de animales y una exactitud promedio de un 99 % en la identificación de las especies. DrivenData incorporó este modelo en su software de código abierto, Zamba, donde está disponible para que lo utilicen los investigadores y conservacionistas a fin de analizar las miles de horas de valiosas tomas. Gracias a la automatización de estas tareas tediosas, los investigadores pueden monitorear y proteger la fauna silvestre a mayor escala con menos intervenciones.

Cómo Zamba Cloud utiliza Azure

  • Azure Blob Storage para almacenar los videos de las cámaras trampa en forma escalable
  • Azure Kubernetes Service para hospedar los pods que procesan los videos y ejecutan los algoritmos de aprendizaje automático para identificar las especies
  • Azure Container Registry para hacer un seguimiento de las compilaciones de los paquetes y el entorno necesario para procesar los videos
Elefantes capturados en una foto mediante una cámara trampa

Visión artificial para la conservación de la fauna silvestre

Pájaro azul sobre una rama