![Fotografía ilustrativa del artículo](https://losenlacesdelavida.fundaciondescubre.es/files/2023/03/IMG_7581_1678106123-570x427.jpg)
Presentan una app que permite identificar maderas a través del móvil con la ayuda de inteligencia artificial para facilitar el control del comercio de maderas
La aplicación para dispositivos móviles desarrollada por el Grupo Operativo IMAI (GO IMAI) facilita a los agentes de aduanas y a los cuerpos y fuerzas de seguridad del Estado disponer de una herramienta que les permita establecer de forma sencilla una alerta temprana cuando se encuentren ante un cargamento sospechoso. La Universidad Politécnica de Madrid, la Universidad de Granada y la Asociación Española del Comercio e Industria de la Madera (AEIM) conforman el equipo investigador que ha desarrollado la herramienta en los últimos dos años, equipo de trabajo del que forma parte también la Fundación Descubre.
Regular el comercio del sector de la madera a nivel nacional e internacional, dotando a usuarios, a los agentes de aduanas y a los cuerpos y fuerzas de seguridad del Estado, en especial a aquellos con competencias en el control del tráfico de especies protegidas (SEPRONA), de una herramienta que les permita establecer una alerta temprana cuando se encuentran ante un cargamento que presente dudas sobre la especie de madera. Este es el objetivo del Grupo Operativo Identificación de maderas e inteligencia artificial (GO IMAI), cuyo trabajo llega a su fin con la presentación de una aplicación para dispositivo móvil basada en inteligencia artificial que facilitará el control del comercio de la madera.
Los resultados del proyecto han sido presentados esta mañana en la Real Academia de Ingeniería, en Madrid, por Elsa Enríquez Alcalde, subdirectora general de Política Forestal y Lucha contra la Desertificación del Ministerio para la Transición Ecológica y el Reto Demográfico; Luis García Esteban, director de la ETSI Montes Forestal y del Medio Natural; Francisco Herrera Triguero, catedrático de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Granada; Alberto Romero Cagigal, secretario general de la Asociación Española del Comercio e Industria de la Madera, y Jesús Gálvez Pantoja, teniente coronel y jefe de la Unidad Central Operativa de Medio Ambiente, de la Jefatura del SEPRONA-Guardia Civil. Durante el acto, Rosana Montes Soldado, profesora del Departamento de Lenguajes y Sistemas Informáticos de la Universidad de Granada, ha hecho una demostración de la aplicación desarrollada.
La Universidad Politécnica de Madrid, la Universidad de Granada y la Asociación Española del Comercio e Industria de la Madera (AEIM) conforman GO IMAI, cuyos resultados suponen un notable avance en la transparencia del comercio internacional de la madera. El Grupo Operativo IMAI comenzó los trabajos en mayo de 2021 y está cofinanciado por el Ministerio de Agricultura, Pesca y Alimentación y el Fondo Europeo Agrícola de Desarrollo Rural (FEADER), dentro de la Convocatoria de Proyectos de Innovación 2020, en la que obtuvo la valoración más alta de todas las iniciativas presentadas.
Necesidad del proyecto
El proyecto tiene su origen en la necesidad por parte de los agentes de aduanas, inspectores de la Administración y los cuerpos y fuerzas de seguridad del Estado, en especial el Servicio de Protección de la Naturaleza (SEPRONA) de la Guardia Civil, de disponer de una herramienta que permita establecer una alerta temprana ante aquellos cargamentos sospechosos de madera procedente de comercio ilegal.
En la actualidad, la identificación de maderas solo a nivel macroscópico no es posible y requiere de la intervención de personal altamente especializado para una identificación con garantías y de uso pericial. Ante ello, la combinación del conocimiento en anatomía macroscópica de la madera y de la inteligencia artificial ha permitido a los investigadores de GO IMAI trabajar en el diseño e implementación de una herramienta que facilite esta identificación por parte de los propios agentes de una forma sencilla y rápida.
El proyecto busca igualmente dar respuesta a otros retos sociales, contribuyendo a la conservación de los bosques, su biodiversidad y con ello contribuir a mitigar los efectos del cambio climático. Y es que los efectos medioambientales de la tala ilegal incluyen la deforestación y la pérdida de biodiversidad. El Banco Mundial calcula que los gobiernos de todo el mundo pierden cada año entre 10.000 y 15.000 millones de dólares a causa de la tala ilegal.
Asimismo, estimaciones del Panel Intergubernamental sobre Cambio Climático indican que la deforestación global influye negativamente en el cambio climático, ya que supone de un 15% a 20% de las emisiones globales de gases de efecto invernadero.
Esta situación subraya la necesidad de impedir en origen y destino el comercio de maderas sin acreditación de su legalidad. En este sentido, la aplicación móvil desarrollada permite a las autoridades disponer de un recurso gratuito para poder controlar el cumplimiento de la normativa sobre el comercio internacional de maderas, tanto por lo que respecta al Reglamento Europeo de la Madera (EUTR), que va a ser sustituido por Reglamento Europeo contra la deforestación (EUDR), como en lo referente a la Convención sobre el Comercio Internacional de Especies Amenazadas de Fauna y Flora Silvestres (CITES). Asimismo, será también una excelente herramienta para profesionales del sector, investigadores y aficionados.
Casi dos años de trabajo
Los resultados son el fruto de casi dos años de trabajo conjunto y la experiencia de investigadores en los campos de anatomía de la madera e inteligencia artificial. GO IMAI ha desarrollado una solución tecnológica inteligente que en cuestión de segundos y a partir de una fotografía tomada con una lente de aumento acoplada a un teléfono móvil, reconoce con un elevado índice de acierto una especie de madera.
Durante el proceso, el equipo de trabajo ha documentado y fotografiado 400 especies de madera, desde varias cámaras de móvil y lentes de aumento, determinando la configuración de mayor información útil. A continuación, se ha procedido a analizar el dominio del problema y se ha propuesto una metodología que optimice el preprocesamiento de calidad de las imágenes macroscópicas de la madera, que son tomadas para el entrenamiento del sistema inteligente de clasificación tras procesos de segmentación y aumentado de datos.
Posteriormente, se ha optimizado el modelo basado en redes neuronales artificiales profundas o ‘deep learning’ para permitir su ejecución en el propio dispositivo durante la clasificación a partir de una imagen de la muestra, sin recurrir a la computación en la nube, ahorrando así los costes de comunicación con servidores.
Las dos aplicaciones desarrolladas son nativas y gratuitas, una de ellas para su distribución en Apple Store y su ejecución en iPhone, y la segunda para su distribución en Google Play y ejecución en Android.
Asimismo, el proyecto ha incluido dos pruebas de usabilidad para obtener información sobre la facilidad de uso de estas dos aplicaciones, considerando aspectos de accesibilidad.
GO IMAI ha implementado una base de datos web con la que se ha documentado la información completa de las 400 especies y que es consultada desde las apps gracias a la aplicación de más de 40 filtrados diferentes, lo que permite acceder a la ficha de una especie no solo como resultado de la predicción del modelo IA. Una vez publicada, la app puede ser utilizada por agentes de aduanas y los cuerpos y fuerzas de seguridad del Estado.
GO IMAI en cifras
El sistema inteligente desarrollado por GO IMAI ha trabajado con un alto volumen de imágenes macroscópicas, 19.340 en total, con una resolución de 4.000×3.000 pixeles, a partir de la toma de muestras de 531 especies, empleando 5 lentes de aumento diferentes. En los meses de experimentación, el proyecto ha generado y descartado 50 modelos distintos, que ha podido suponer unas 600 horas de entrenamiento en un sistema de alta computación.
El modelo ha considerado una media de 12 muestras sin procesar por clase, y en una fase avanzada de optimización, se han generado otros 28 modelos más que suman 280 horas de entrenamiento.
Los cálculos que se realizan en el entrenamiento (aplicando scripts con distintos objetivos) modifican los datos originales de diversas formas para obtener un aumento de datos (5 pasos) y mejora de calidad (3 pasos). Estas modificaciones realizan cambios de escala de grises, ecualización, cambio de brillo, contraste y saturación, rotación, recorte y escalado.
La programación se ha abordado usando los lenguajes de Pyton y Kotlin, y los propios de desarrollo de las apps en iOS y Android.
Librerías usadas:
- Tensorflow 2.9.1
- Tensorflow addons 0.15.
- Pandas 1.4.0
- Numpy 1.23.5
- Scikit learn 1.0.2
- Pillow 9.0.1
- Opencv 4.5.5
- Y hasta 300 paquetes instalados como dependencias
Integran GO IMAI
El proyecto está enmarcado dentro del Programa Nacional de Desarrollo Rural y que cuenta con la financiación del FEADER (80%) y de la Administración General del Estado (20%). La Universidad Politécnica de Madrid (UPM), la Universidad de Granada (UGR) y la Asociación Española del Comercio e Industria de la Madera (AEIM) son los beneficiarios. Por su parte, la Fundación Descubre, Everyware Technologies, Donosti Frame y José Luis Fermosel Álvarez son subcontratados de la iniciativa.
La Dirección General de Desarrollo Rural, Innovación y Formación Agroalimentaria (DGDRIFA) es la autoridad de gestión encargada de la aplicación de la ayuda FEADER y nacional correspondiente.
El Grupo Operativo Identificación de maderas e inteligencia artificial (IMAI) es responsable del contenido publicado en esta web.
https://agriculture.ec.europa.eu/common-agricultural-policy/rural-development_es
![](https://monumai.ugr.es/goimai/wp-content/uploads/2022/09/image001.png)
Últimas noticias
Un estudio internacional en el que participa el Museo Nacional de Ciencias Naturales (MNCN-CSIC), señala que el carbono orgánico de los suelos de las zonas áridas puede ser más vulnerable de lo esperado al cambio climático.
Esta técnica que combina el cultivo de hortalizas con la cría de peces permite a las familias colombianas que participan en el proyecto obtener alimentos para su propio consumo y para hacer pequeñas ventas.