[BySølvi Normannsen]

Imagine un barco autónomo navegando por una de las zonas oceánicas más extremas del mundo. El hielo marino está por todas partes. La niebla, la nieve o la lluvia dificultan enormemente la visibilidad. Al igual que los capitanes de barco ven a través de sus ojos, los algoritmos de navegación autónomos perciben el mundo a través de sensores, y el mal tiempo es tan impenetrable para los sensores como lo es para los capitanes de barco.

Deshacerse de la mala visibilidad

Con el auge del transporte marítimo en el Ártico, algo que pueda eliminar el mal tiempo de las imágenes para que los algoritmos puedan ver los alrededores como si fuera un día claro y soleado podría resultar extremadamente útil. Ahora, el candidato a doctorado Nabil Panchi del Departamento de Tecnología Marina de NTNU ha desarrollado un algoritmo que puede hacer precisamente eso.

«Hemos colocado una nueva pieza del gran rompecabezas para modelar mejor el hielo marino», dijo Panchi.

Los algoritmos de IA actuales funcionan bien con imágenes claras, pero tienen dificultades cuando las imágenes se vuelven borrosas o se degradan debido al mal tiempo.

Panchi, que también es arquitecto naval, ha utilizado miles de imágenes del Ártico para entrenar el nuevo algoritmo para que filtre impedimentos visuales como la lluvia, la nieve y la niebla, así como las gotas de agua en las lentes de las cámaras que muchos están equipados los buques.

Panchi está afiliado al proyecto DigitalSeaIce, que se centra en la integración y digitalización a múltiples escalas de observaciones y modelos de predicción del hielo marino del Ártico. El objetivo principal es construir una infraestructura digital que integre modelos regionales de predicción del hielo marino y modelos locales relacionados con el hielo con observaciones medioambientales y del hielo marino del Ártico a bordo y por satélite.

Comprender el medio ambiente a través de imágenes

“Nuestro trabajo consiste en comprender el entorno ártico mediante el uso de imágenes. Estamos creando algoritmos que funcionan en todas las condiciones climáticas”, dice Panchi.

Su investigación se basa en miles de imágenes tomadas durante un viaje con el barco de investigación. Príncipe heredero Haakon en el Ártico durante el verano de 2023.

En colaboración con su supervisora ​​académica, la profesora asociada Ekaterina Kim, publicó recientemente el artículo ‘Estrategias de aprendizaje profundo para el análisis de imágenes ópticas de hielo marino degradadas por el clima’ en el IEEE Sensors Journal.

Panchi y Kim están introduciendo dos formas de ayudar a los barcos a viajar de forma más segura cuando hay mal tiempo en el Ártico, «eliminando» el tiempo de las imágenes. Se utiliza inteligencia artificial para limpiar las imágenes, de modo que los algoritmos existentes funcionen como deberían. Una forma un poco más eficiente es desarrollar nuevos algoritmos que funcionen durante el mal tiempo.

«Ambas estrategias nos permiten comprender el Ártico en todas las condiciones climáticas», afirma Nabil.

Imágenes limpias ya en uso en las ciudades

Los algoritmos que pueden eliminar el clima de las imágenes se utilizan desde hace mucho tiempo, pero principalmente en áreas urbanas. Se utilizan para desarrollar coches autónomos y en seguridad y vigilancia con cámaras.

Los algoritmos actuales que analizan el hielo marino se basan en gran medida en imágenes tomadas desde barcos en buenas condiciones meteorológicas. El problema es que las imágenes del Ártico a menudo no son claras debido a la niebla, la lluvia y la nieve que son condiciones climáticas comunes en estas aguas. Este tipo de imágenes son material deficiente para los algoritmos existentes diseñados para comprender el entorno ártico.

Los algoritmos también deben entrenarse para analizar el tipo de hielo que rodea al barco, de modo que puedan indicar dónde es seguro romper el hielo y qué áreas debe evitar el barco.

El primer conjunto de datos de acceso abierto de imágenes de hielo marino

Para eliminar la niebla y las gotas de lluvia, se deben entrenar algoritmos para limpiar las imágenes de hielo marino afectadas por el clima. “Hasta ahora, este campo de investigación había sido ignorado en gran medida. El problema ha sido el acceso limitado a imágenes claras del Ártico… hasta ahora. Esperamos que nuestro nuevo conjunto de datos de acceso abierto ayude en el futuro desarrollo de tecnología resistente a la intemperie”, afirma Panchi.

La supervisora ​​de Panchi, Ekaterina Kim, ha trabajado extensamente en el Ártico y en los últimos años ha estado explorando cómo se puede adoptar la IA para resolver algunos de los desafíos que existen en las regiones polares.

Los dos investigadores de NTNU ahora han puesto a disposición del público en línea el conjunto de datos SeaIceWeather. Contiene miles de imágenes y es el primer conjunto de datos de acceso abierto sobre el hielo marino.

Facilitar viajes más seguros

“Hay muy pocos conjuntos de datos de este tipo de acceso abierto. Se necesita una gran cantidad de trabajo para fabricarlos. Esperamos que se aprovechen al máximo”, afirma Panchi.

Lluvia por un lado, tiempo despejado por el otro. Cuando se alimenta con una imagen meteorológica, el modelo de IA elimina las gotas de lluvia y produce una imagen mucho más clara de los alrededores del barco.

Cada imagen viene en dos versiones: una versión «limpia» con una vista clara y otra poco clara debido a las condiciones climáticas. Los investigadores de NTNU esperan que el conjunto de datos SeaIceWeather sea utilizado por más personas y que les inspire a recopilar este tipo de imágenes.

Muchos de los usuarios son investigadores que trabajan en hielo marino y modelos de navegación o posicionamiento dinámico. Estos sistemas deben funcionar en todas las condiciones climáticas, y cuantas más imágenes se les proporcionen a los algoritmos para aprender, más precisos serán el monitoreo, las advertencias de hielo y la navegación, algo que es muy demandado.

Un sistema basado en inteligencia artificial para el análisis del hielo marino ayuda a la tripulación a comprender el entorno del barco. “Podemos utilizar esta información para desarrollar sistemas avanzados para evitar colisiones, para una navegación más segura y las mejores rutas de navegación posibles. Esto último también ayudará a reducir las emisiones”, afirma el candidato a doctorado Nabil Panchi (Ilustración: Nabil Panchi)

Más barcos y capitanes sin experiencia

El calentamiento global está provocando el derretimiento del hielo marino, lo que aumenta la cantidad de transporte marítimo en el Ártico. Cada vez más compañías navieras eligen estas nuevas rutas que ahora están libres de hielo. Entre 2013 y 2019, el tráfico de barcos en el Ártico aumentó un 25 por ciento.

“Se necesita mucha experiencia para navegar con seguridad a través del hielo marino. Probablemente ahora haya más barcos en aguas polares que capitanes experimentados en el hielo marino. El sistema que hemos construido puede proporcionar una mejor asistencia a las personas que maniobran los barcos”, afirma Panchi.

El hielo marino del Ártico se ha vuelto más delgado, se agrieta más fácilmente y puede formar enormes crestas o montículos de hielo. Desde el puente de un barco, sólo se puede ver un metro de hielo sobresaliendo de la superficie, pero no los 4 o 5 metros ocultos debajo. La probabilidad de sufrir abolladuras y daños en el casco es alta y no todos los barcos están construidos para romper el hielo.

Un sistema basado en inteligencia artificial para el análisis del hielo marino ayuda a la tripulación a comprender el entorno del barco. “Podemos utilizar esta información para desarrollar sistemas avanzados para evitar colisiones, para una navegación más segura y las mejores rutas de navegación posibles. Esto último también ayudará a reducir las emisiones”, afirma el candidato a doctorado Nabil Panchi.

Al mismo tiempo, el transporte marítimo autónomo tiene el potencial de revolucionar la industria del transporte marítimo, haciéndola más eficiente y segura. Según Fortune Business Insights, se prevé que el tamaño del mercado mundial de buques autónomos crezca de 6.110 millones de dólares en 2024 a 12.250 millones de dólares en 2032.

«Esperamos más tecnología autónoma en los barcos que navegan a través del hielo, y los sistemas actuales deben ser confiables en el ambiente extremo del Ártico», dice Kim.

30 días de captura de datos

Panchi ha entrenado los algoritmos en dos conjuntos de datos de imágenes: uno recopilado durante el viaje GoNorth en Kronprins Haakon y el otro obtenido de bases de datos de imágenes en línea.

Montó dos cámaras en un lado del barco, con una cámara directamente debajo de la otra. La cámara superior tenía una vista clara, mientras que habían montado una pantalla transparente frente a la cámara inferior, que fue rociada con agua para simular gotas de lluvia sobre la lente.

En la sala de observación de la novena cubierta, la computadora de Panchi descargaba continuamente imágenes del hielo marino. Durante 30 días, recopiló miles de pares de imágenes, cada una de las cuales constaba de una imagen clara y otra cubierta de lluvia artificial.

Algoritmos de entrenamiento

En total, los conjuntos de datos constan de más de 4.600 imágenes claras, la mayoría de ellas del viaje de investigación. Utilizando algoritmos, crearon siete variantes climáticas para cada imagen clara: copos de nieve pequeños, medianos y grandes, clima lluvioso, niebla y gotas de lluvia reales y simuladas en la lente de la cámara.

A partir de estas variantes, crearon los dos conjuntos de datos. Uno de ellos presenta imágenes que indican qué tipo de hielo se encuentra alrededor del barco. El otro conjunto de datos divide el hielo en diferentes categorías, como témpanos de hielo, hielo en forma de panqueque, hielo granizado, hielo a la deriva, etc.

Se entrenaron tres algoritmos diferentes de limpieza de imágenes en los conjuntos de datos, y cuando los investigadores compararon los resultados con las imágenes claras, pudieron decir fácilmente qué algoritmos eran más precisos en relación con los diferentes tipos de clima.

Sólo luz del día y tres tipos de clima.

El método tiene la limitación de que todas las imágenes se toman a plena luz del día e involucran sólo tres tipos de condiciones climáticas. Panchi señala que, dado que el Ártico está a oscuras de septiembre a marzo, lo ideal sería recopilar imágenes similares durante el invierno. Sin embargo, también es totalmente posible utilizar la Realidad Aumentada (AR) y crear una versión artificial invernal o nocturna de las imágenes existentes.

“Hasta ahora, son principalmente los investigadores los que pueden utilizar lo que hemos hecho, pero esperamos que más personas lo utilicen en el futuro. Hay muchos factores que afectan cuándo sucederá esto realmente; Pueden pasar hasta 5 años antes de que los modelos puedan utilizarse comercialmente. Por tanto, deben tener una calidad que los convierta en un asistente totalmente fiable para la gestión de buques”, afirmó Nabil.

Emisiones reducidas

Los barcos más grandes consumen enormes cantidades de combustible. A veces tienen que navegar de un lado a otro en el hielo para poder atravesarlo, lo que requiere mucha energía.

“Si comprende completamente las condiciones que rodean el barco, usted o la IA pueden planificar la ruta y ahorrar tiempo, esfuerzo y, por lo tanto, emisiones. También hará que el envío sea más seguro. Hay un número creciente de petroleros que transportan gas natural licuado y otras cargas navegando por el Ártico. Hasta ahora no ha habido ningún incidente de derrame de petróleo, pero si ocurriera, tendría graves consecuencias”, afirma Panchi.

Muchos datos de imagen no utilizados

La vigilancia de las aguas polares también es importante en relación con el cambio climático. Muchos barcos tienen cámaras y sensores que monitorean su rumbo. Hay muchos barcos que producen imágenes, pero casi ninguna de estas imágenes está disponible en línea. Según Panchi, la mayoría de las imágenes acaban en archivos de datos marítimos y, salvo algunos casos de seguros, nunca se utilizan.

“Vemos grandes oportunidades en la extracción de datos útiles de estas imágenes. Uno de nuestros objetivos es desarrollar algoritmos que puedan mejorarse en tiempo real, in situ. Mejorar la forma en que monitoreamos las aguas del Ártico beneficiará a la sociedad. Proporcionará una mejor base para la formulación de políticas y para el uso sostenible y seguro de las aguas del Ártico”, dijo Panchi.

Este artículo es cortesía de Gemini Research News y se puede encontrar en su forma original. aquí.