RESUMEN
La conservación de la biodiversidad y la monitorización ambiental son desafíos urgentes en el contexto del cambio climático y de la pérdida acelerada de especies. En este escenario, las tecnologías de visión por computador y aprendizaje profundo ofrecen nuevas oportunidades para automatizar tareas como la identificación de especies, el recuento y el seguimiento, así como el análisis del comportamiento animal en diferentes entornos.
El objetivo principal de esta investigación doctoral es diseñar y validar metodologías y herramientas basadas en visión por computador que mejoren la monitorización de la biodiversidad y del medio ambiente. Los objetivos específicos incluyen: (i) el recuento de especies en tiempo real y la monitorización de hábitats, (ii) el análisis del comportamiento de animales domésticos abandonados, (iii) el desarrollo de sistemas escalables de vigilancia ecológica mediante arquitecturas edge-cloud, y (iv) una evaluación crítica del uso de grandes modelos de lenguaje (LLM) para la monitorización ambiental y la detección de desinformación.
La investigación combina aprendizaje profundo, detección y seguimiento de objetos, procesamiento de vídeo multihilo y análisis automatizado de datos ambientales. Además, se han desarrollado marcos metodológicos reproducibles para aprovechar las capacidades de la computación distribuida en entornos edge-cloud.
Los resultados demuestran la viabilidad de diseñar soluciones eficaces y adaptables para la monitorización tanto en entornos naturales como urbanos. La tesis presenta avances significativos en el recuento automatizado de especies, herramientas para el análisis automatizado del comportamiento animal y una evaluación crítica de las fortalezas y limitaciones de los modelos de lenguaje en aplicaciones ambientales.
Este trabajo contribuye al avance de la investigación en visión por computador aplicada a la sostenibilidad y proporciona herramientas útiles para proyectos de conservación, gestión de la fauna y monitorización ambiental en tiempo real.
Tutor:
Directores:
DOCTORANDA
Oluwakemi A. Akinwehinmi
está finalizando su doctorado en Tecnología de la Información e Ingeniería en la Universitat de Lleida, España (2022–2025). Es licenciada en Ciencias de la Computación (2016) y máster en Ciencias de la Computación (2021) por la University of Ibadan, la primera y mejor universidad de Nigeria. Su investigación doctoral explora la aplicación de la visión por computador y la inteligencia artificial a la monitorización de la biodiversidad y de los ecosistemas, con énfasis en modelos de aprendizaje profundo para la detección en tiempo real, la vigilancia ambiental y la toma de decisiones basada en datos.
Durante sus estudios doctorales fue asistente de investigación en el Centro Internacional de Métodos Numéricos en Ingeniería (CIMNE), España, donde contribuyó a proyectos de investigación nacionales e internacionales financiados por el Gobierno de Cataluña y por instituciones colaboradoras. Su trabajo incluye el desarrollo y la evaluación de modelos de aprendizaje automático para la monitorización de hábitats, la detección de animales abandonados y la integración de flujos de datos ambientales heterogéneos. En 2023, su equipo de investigación recibió el Premio Joan Roget de Transferencia de Conocimiento por la excelencia en I+D colaborativa. Además de su trayectoria académica, cuenta con experiencia profesional en gestión de infraestructuras TIC, servicios en la nube y sistemas de datos. Sus intereses de investigación incluyen la visión por computador, el aprendizaje automático, el aprendizaje profundo, la monitorización de la biodiversidad y la integración de datos mediante IA para aplicaciones del mundo real.