La creixent massificació dels espais naturals podria posar en perill la qualitat dels ecosistemes. Amb l’objectiu de mesurar l’impacte antropogènic als parcs natural, un estudi del Centre Internacional de Mètodes Numèrics a l’Enginyeria (CIMNE) i la Universitat de Lleida (UdL) ha proposat una eina senzilla i de baix cost computacional que permet mesurar la freqüentació humana i el seu impacte en parcs naturals a través de la visió per computador.
El repte de digitalitzar la biodiversitat
Catalunya compta amb una vintena de parcs naturals que poden veure’s amenaçats per l’alta presència humana, però avui dia no es disposa de cap dada sobre la freqüentació ni els usos habituals que la gent en fa. PIKSEL és un projecte en col·laboració entre el CIMNE i la Generalitat de Catalunya que pretén desenvolupar un portal integrador de coneixement per a la gestió sostenible dels ecosistemes i del territori.
Per evitar la pèrdua de biodiversitat, un dels objectius de PIKSEL se centra a valorar la pressió de caràcter antropogènic als diversos ecosistemes catalans, tant terrestres com marins. A través de la visió per computador, que usa models d’aprenentatge automàtic, el projecte pretén quantificar amb continuïtat els visitants per conèixer quins són els parcs més afectats en funció del dia de la setmana, les estacions o l’època de l’any i estudiar-ne la relació amb la pèrdua gradual de biodiversitat.
Aquesta tecnologia, però, afronta reptes com el recompte acurat i en temps real dels objectes en moviment en entorns complexos, amb constants canvis climatològics que impliquen diferents temperatures, pluja i variacions de llum. Així mateix, el desplegament en àrees rurals o remotes requereix solucions eficients i de baix consum, preferentment autònomes, capaces de funcionar amb dispositius lleugers i, sovint, amb connectivitat limitada.
Un model de detecció assequible
Un nou estudi proposa un mètode de detecció que adreça les limitacions esmentades i forma part de la tesi doctoral de la Dra. Oluwakemi Akinwehinmi, investigadora a la Unitat d’innovació en Tecnologies Pre, Post i Digitals (DIGIT), supervisada pels Dr. Pedro Arnau i Dr. Alberto Tena de la mateixa unitat, i el Dr. Javier Mora, del clúster de recerca en Mecànica estructural i de partícules, del CIMNE.
El sistema de detecció i de recompte està basat en intel·ligència artificial avançada (YOLOv8n), una arquitectura de visió per computador que optimitza els recursos a partir d’un disseny de computació multi-fil que s’executa de manera eficient en dispositius de baix consum. Aquesta solució permet processar fluxos de vídeo en temps real i reduir dràsticament la latència en comparació amb els mètodes de seqüència tradicionals.
Un dels distintius d’aquesta tecnologia és el disseny orientat a entorns desestructurats que millora la capacitat de detecció enfront canvis sobtats d’il·luminació, oclusions parcials i sensors de resolució limitada. A més, el codi està optimitzat per funcionar en dispositius de baix consum, de manera que en redueix la petjada digital i en reforça la sostenibilitat. Tot plegat facilita el desplegament assequible i viable en zones rurals d’un sistema de recompte més estable i consistent de la presència humana, fins i tot quan els moviments són irregulars o la càrrega de processament fluctua.
Gestió sostenible basada en dades
Disposar d’informació contínua sobre la presència humana als espais naturals permet identificar millor els moments i les zones de més pressió, i adaptar les mesures de gestió i protecció a les necessitats reals de cada ecosistema. L’eina proporciona dades en temps real que els gestors ambientals poden utilitzar per passar d’una observació reactiva a una conservació proactiva i basada en evidències.
Més enllà del cas d’ús en biodiversitat, l’enfocament pot aplicar-se a altres àmbits que requereixin anàlisi de vídeo eficient i en temps real en entorns no estructurats, fet que n’amplia el potencial com a eina tecnològica per a la gestió intel·ligent del territori.
Akinwehinmi, O., Tena, A., Mora, J., Solsona, F., Arnau del Amo, P., 2026. Real-time habitat mapping with YOLOv8: A multi-threaded approach to biodiversity preservation. Comput. Vis. Image Underst. 263, 104606. https://doi.org/10.1016/j.cviu.2025.104606
