Modelo de Deep Learning para la detección automatizada de grandes vertebrados (Hydrochoerus hydrochaeris y Blastocerus dichotomus) en fotografías aéreas

Name: Modelo de Deep Learning para la detección automatizada de grandes vertebrados (Hydrochoerus hydrochaeris y Blastocerus dichotomus) en fotografías aéreas
License: https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Keywords: Deep learning

Datos de investigación

Modelo de Deep Learning para la detección automatizada de grandes vertebrados (Hydrochoerus hydrochaeris y Blastocerus dichotomus) en fotografías aéreas

Autores: Priotto, Octavio; Avila, Ana Belen Icon

; de Angelo, Carlos Daniel Icon

Colaboradores: Gomez, Rocio Quimey; Welschen, Alejandro José Icon

; Paviolo, Agustin Javier Icon

; Di Bitetti, Mario Santiago Icon

Publicador: Consejo Nacional de Investigaciones Científicas y Técnicas

Fecha de depósito: 17/03/2026

Fecha de creación: 25/04/2025-25/04/2025

Clasificación temática:

Ecología; Otras Ciencias de la Computación e Información

Resumen

Modelo de Inteligencia Artificial basado en aprendizaje profundo (Deep Learning) diseñado para la identificación y detección de carpinchos y ciervos de los pantanos a partir de imágenes aéreas de alta resolución obtenidas con drones (UAV). El modelo fue entrenado en el entorno de ArcGIS Pro utilizando una arquitectura de detección de objetos SSD (Single Shot Detector) y validado en áreas de humedales del Parque Nacional Iberá

Métodos

Se utilizaron ortomosaicos georreferenciados (resolución ~2.5 cm/píxel) generados a partir de vuelos con el dron DJI Mavic 2 a 50 m de altura sobre el terreno. El entrenamiento consistió en el etiquetado manual de individuos mediante cajas delimitadoras (bounding boxes) y el ajuste de hiperparámetros (tamaño de chip de 190 píxeles) para maximizar la sensibilidad del modelo. El modelo fue entrenado con 750 muestras de carpinchos (Hydrochoerus hydrochaeris) y 30 de ciervos de los pantanos (Blastocerus dichotomus) dentro de la clase “Animal”, y 300 muestras de la clase “No Animal” obtenidas mediante vuelos de dron en el Parque Nacional Iberá, Corrientes, Argentina, y en el Pantanal de Brasil. El modelo fue testeado con muestras independientes de vuelos realizados en el Parque Nacional Iberá, presentando una sensibilidad promedio del 95%.

Información Técnica

Equipamiento/Software: ArcGIS Pro (Deep Learning Tools), NVIDIA Quadro M1200 (GPU con soporte CUDA), dron DJI Mavic 2 Zoom.

Palabras clave: Deep learning, monitoreo de fauna, dron (UAV), carpinchos, detección de objetos, humedales neotropicales

Alcance geográfico

.

Identificador del recurso

URI: http://hdl.handle.net/11336/283278

Colecciones

Datos de Investigación (ICBIA)
Datos de Investigación de INSTITUTO DE CIENCIAS DE LA TIERRA, BIODIVERSIDAD Y AMBIENTE

Datos de Investigación(IBS)
Datos de Investigación de INSTITUTO DE BIOLOGIA SUBTROPICAL

Datos de Investigación(IDEA)
Datos de Investigación de INSTITUTO DE DIVERSIDAD Y ECOLOGIA ANIMAL

Datos de Investigación(IEGEBA)
Datos de Investigación de INSTITUTO DE ECOLOGIA, GENETICA Y EVOLUCION DE BS. AS

Citación

Priotto, Octavio; Avila, Ana Belen; de Angelo, Carlos Daniel; (2026): Modelo de Deep Learning para la detección automatizada de grandes vertebrados (Hydrochoerus hydrochaeris y Blastocerus dichotomus) en fotografías aéreas. Consejo Nacional de Investigaciones Científicas y Técnicas. (dataset). http://hdl.handle.net/11336/283278

Condiciones de uso

Las buenas prácticas científicas esperan que se otorgue el crédito adecuado mediante una citación. Utilice un formato de citación y aplique estas normas de reutilización.

Excepto donde se diga explícitamente, este item se publica bajo la siguiente descripción: Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Unported (CC BY-NC-SA 2.5)