Por primera vez se han empleado datos sintéticos de LiDAR Multiespectral para entrenar modelos de Inteligencia Artificial en entornos forestales
El investigador Lino Comesaña Cebral defendió, el pasado 17 de julio en CINTECX, su tesis titulada Multispectral Analysis of Geospatial Data through Deep Learning Techniques. Application on Dense Forested Areas and Transportation Systems. Se trata de un estudio innovador que explora la integración de técnicas avanzadas de aprendizaje profundo y datos LiDAR multiespectrales para evaluar los factores de riesgo asociados con incendios forestales cerca de redes de transporte. La tecnología LiDAR -light detection and ranging, por sus siglas en inglés- es una tecnología de teledetección que utiliza rayos láser para medir distancias y movimientos precisos en un entorno, en tiempo real.
Entre los principales hallazgos del análisis multiespectral de datos geoespaciales, desarrollado por Comesaña Cebral, destaca el uso de algoritmos de Inteligencia Artificial (IA) Noveles para la Detección de Objetos 3D. Esta investigación desarrolló algoritmos de IA capaces de detectar objetos tridimensionales en entornos forestales y de transporte. Asimismo, estos algoritmos utilizan técnicas de aprendizaje profundo para identificar características críticas relacionadas con el riesgo de incendio.
Otro de los hitos alcanzados con esta investigación es que, por primera vez, se emplearon datos sintéticos de LiDAR multiespectrales para entrenar modelos de IA en entornos forestales. Esta aproximación permitió simular datos LiDAR, facilitando el entrenamiento más eficiente de los modelos.
Por último, se mejoraron los modelos tradicionales de combustible al incorporar información sobre diversas respuestas al fuego dentro de un bosque. El LiDAR multiespectral proporcionó características valiosas del estado de la vegetación, mientras que los modelos de segmentación semántica de aprendizaje profundo detectaron activos tanto en carreteras como en bosques.
Esta investigación representa un avance significativo en la comprensión y mitigación de los riesgos de incendios forestales. Al aprovechar tecnologías avanzadas, esta investigación busca mejorar la capacidad para proteger tanto los ecosistemas naturales como la infraestructura de transporte.