Seresco ha creado un proyecto de investigación y desarrollo para la mejora de los servicios de producción cartográfica, aplicando técnicas de Inteligencia Artificial (IA) sobre imágenes del territorio ¿Qué rol juega la IA en este proyecto? ¿Por qué es necesario añadir esta tecnología?
La IA nos permite construir un módulo de detección de cambios, es decir, una herramienta capaz de detectar de forma autónoma cambios acaecidos en pares de ortoimágenes. En concreto, entrenamos redes neuronales convolucionales (CNN), especializadas en el tratamiento de imágenes, y las utilizamos para detectar cambios en pares de imágenes.
Es necesario introducir esta tecnología en el sector cartográfico y catastral, ya que, a día de hoy, los trabajos siguen siendo muy manuales, y, en muchos casos, rudimentarios y poco eficientes. Con la inclusión de la Inteligencia Artificial, los tiempos en los trabajos de actualización de las bases de datos cartográficas y topográficas se reducen enormemente, pudiendo cubrir mayores superficies en periodos mucho menores y abaratando de forma considerable los costes.
¿Qué beneficios se espera en el medio plazo?
Al emplear esta tecnología, se espera mejorar notablemente la eficiencia de los trabajos de actualización de las bases de datos cartográficas, y, en consecuencia, la competitividad. Con el desarrollo del proyecto, reducimos tiempos y conseguimos abarcar mayores superficies, así como alcanzar nuevos mercados a los que, debido a sus elevados costes, resultaba complicado acceder.
El plan de la compañía es utilizar la tecnología de IA4GEO no solo en España, sino también en otros mercados como Latinoamérica, donde tenemos proyectos de levantamiento catastral, y en los que se espera que la inclusión de esta tecnología tenga un gran impacto.
¿Qué técnicas se han usado para entrenar las redes neuronales? ¿Qué material se ha utilizado?
Hemos realizado un estudio de las técnicas y modelos que son pioneros en el actual estado del arte. A través del análisis de entre seis y siete modelos de IA especializados en la detección de cambios en imágenes, seleccionamos el modelo más prometedor y lo entrenamos para detectar cambios en objetos geográficos que consideramos relevantes.
Para entrenar las CNN utilizamos imágenes aéreas de altísima resolución (25 cm/pixel) descargadas del Plan Nacional de Ortofotografía Aérea, imágenes satelitales procedentes del satélite Sentinel de 10 metros de resolución, y, por último, un extenso conjunto de ejemplos de cambios etiquetados por el equipo de Seresco. En concreto, unos 36.000 ejemplos de cambios en edificaciones, red viaria, piscinas…
¿Qué dependencia se tiene de las telecomunicaciones y de tecnologías como 5G, 6G, IoT?
La dependencia es total. En este tipo de proyectos se hace imprescindible una rápida y eficaz transmisión de datos, más aún cuando estamos hablando de grandes cantidades de información.
Hemos desarrollado una herramienta para ser utilizada no solo por Seresco, sino por todos aquellos actores involucrados en proyectos de investigación y/o producción en el ámbito de la cartografía y topografía. Para que esta herramienta pueda funcionar, es absolutamente necesaria una alta tasa de transmisión de datos, tanto para la carga y descarga de las imágenes en los host deseados, como para ejecutar el proceso de inferencia (detección de cambios) a través del GIS Web (App Web) que hemos construido.
