RESUM
La conservació de la biodiversitat i el monitoratge ambiental són reptes urgents en el context del canvi climàtic i de la pèrdua accelerada d’espècies. En aquest escenari, les tecnologies de visió per computador i d’aprenentatge profund ofereixen noves oportunitats per automatitzar tasques com la identificació d’espècies, el recompte i el seguiment, així com l’anàlisi del comportament animal en diferents entorns.
L’objectiu principal d’aquesta recerca doctoral és dissenyar i validar metodologies i eines basades en visió per computador que millorin el monitoratge de la biodiversitat i del medi ambient. Els objectius específics inclouen: (i) el recompte d’espècies en temps real i el monitoratge d’hàbitats, (ii) l’anàlisi del comportament d’animals domèstics abandonats, (iii) el desenvolupament de sistemes escalables de vigilància ecològica mitjançant arquitectures edge-cloud, i (iv) una avaluació crítica de l’ús de grans models de llenguatge (LLM) per al monitoratge ambiental i la detecció de desinformació.
La recerca combina aprenentatge profund, detecció i seguiment d’objectes, processament de vídeo multithread i anàlisi automatitzada de dades ambientals. A més, s’han desenvolupat marcs metodològics reproduïbles per aprofitar les capacitats de la computació distribuïda en entorns edge-cloud.
Els resultats demostren la viabilitat de dissenyar solucions eficaces i adaptables per al monitoratge tant en entorns naturals com urbans. La tesi presenta avenços significatius en el recompte automatitzat d’espècies, eines per a l’anàlisi automatitzada del comportament animal i una avaluació crítica dels punts forts i les limitacions dels models de llenguatge en aplicacions ambientals.
Aquest treball contribueix a l’avenç de la recerca en visió per computador aplicada a la sostenibilitat i proporciona eines útils per a projectes de conservació, gestió de la fauna salvatge i monitoratge ambiental en temps real.
Tutor:
Directors:
DOCTORANDA
Oluwakemi A. Akinwehinmi
està finalitzant el seu doctorat en Tecnologia i Enginyeria de la Informació a la Universitat de Lleida, Espanya (2022–2025). És graduada en Ciències de la Computació (2016) i màster en Ciències de la Computació (2021) per la University of Ibadan, la primera i millor universitat de Nigèria. La seva recerca doctoral explora l’aplicació de la visió per computador i la intel·ligència artificial al monitoratge de la biodiversitat i dels ecosistemes, amb èmfasi en models d’aprenentatge profund per a la detecció en temps real, la vigilància ambiental i la presa de decisions basada en dades.
Durant els seus estudis doctorals va ser assistent de recerca al Centre Internacional de Mètodes Numèrics en Enginyeria (CIMNE), Espanya, on va contribuir a projectes de recerca nacionals i internacionals finançats pel Govern de Catalunya i institucions col·laboradores. El seu treball inclou el desenvolupament i l’avaluació de models d’aprenentatge automàtic per al monitoratge d’hàbitats, la detecció d’animals abandonats i la integració de fluxos de dades ambientals heterogenis. L’any 2023, el seu equip de recerca va rebre el Premi Joan Roget de Transferència de Coneixement per l’excel·lència en R+D col·laborativa. A més de la seva trajectòria acadèmica, compta amb experiència professional en gestió d’infraestructures TIC, serveis al núvol i sistemes de dades. Els seus interessos de recerca inclouen la visió per computador, l’aprenentatge automàtic, l’aprenentatge profund, el monitoratge de la biodiversitat i la integració de dades mitjançant IA per a aplicacions del món real.