SEGRE

Detector de desastres

'Entrenen' una aplicació per identificar desastres anturals a les xarxes i agilitzar la resposta

imatges. Fotografies d’aiguats com les que il·lustren aquestes pàgines serveixen per ‘entrenar’ el model.

imatges. Fotografies d’aiguats com les que il·lustren aquestes pàgines serveixen per ‘entrenar’ el model.ITMAR FABREGAT

Publicat per

Creat:

Actualitzat:

Un grup d’investigadors internacionals, encapçalats pel prestigiós Massachusetts Institute of Technology (MIT), ha desenvolupat un sistema computacional d’última generació basat en l’aprenentatge profund. Aquest sistema innovador té la capacitat d’identificar i analitzar desastres naturals a partir de les imatges compartides a les xarxes socials.

El treball, en què ha participat la doctora Àgata Lapedriza, líder del grup de recerca AIWELL de la Universitat Oberta de Catalunya (UOC) i experta en intel·ligència artificial, ha utilitzat eines de visió per computació per detectar amb precisió i filtrar els desastres reals a partir d’imatges extretes de les xarxes socials.

Amb l’increment del canvi climàtic, els desastres naturals com inundacions, tornados o incendis forestals de gran magnitut són cada vegada més freqüents i destructius.

La capacitat de predir aquests esdeveniments és crucial per tal de poder respondre-hi de manera eficaç i coordinada a nivell internacional. Lapedriza destaca que “la tecnologia pot tenir un paper fonamental en aquest àmbit, ja que les publicacions a les xarxes socials poden ser utilitzades com a fonts de dades immediates per comprendre l’evolució i les conseqüències dels desastres”.Els investigadors han entrenat un sofisticat model de deep learning (aprenentatge profund) utilitzant una gran quantitat de fotografies relacionades amb desastres naturals.

A través d’aquest treball s’ha aconseguit establir una classificació precisa de 43 categories d’incidents, que inclouen des de fenòmens naturals com allaus, tempestes de sorra i terratrèmols fins a incidents causats per l’acció humana, com accidents d’aviació o de construcció. L’equip de recerca ha creat una extensa base de dades amb més d’1,7 milions d’imatges etiquetades, la qual ha estat utilitzada per entrenar el model de detecció de desastres, destriant i descartant les imatges que corresponen a situacions provocades i desenvolupades sota control humà, com una foguera o l’enderrocament premeditat d’un edifici.

Els resultats obtinguts en els experiments realitzats són prometedors, ja que el sistema ha demostrat una gran precisió en la detecció i classificació dels incidents analitzats.Aquest avenç científic obre la porta a futures aplicacions que combinin l’anàlisi d’imatges amb l’anàlisi de text per obtenir una classificació encara més precisa dels desastres naturals. També permetrà millorar l’eficàcia de les organitzacions d’ajuda humanitària, ja que podran obtenir informació més ràpida i precisa sobre les situacions d’emergència, millorant així la seva capacitat de resposta davant d’aquests esdeveniments.

imatges. Fotografies d’aiguats com les que il·lustren aquestes pàgines serveixen per ‘entrenar’ el model.

imatges. Fotografies d’aiguats com les que il·lustren aquestes pàgines serveixen per ‘entrenar’ el model.ITMAR FABREGAT

tracking