De forma paralela a los avances en el modelo de clasificación de audio mediante inteligencia artificial, los investigadores del proyecto IA4Birds han desarrollado dos algoritmos complementarios de seguimiento visual mediante la avanzada cámara AXIS Q6225-LE PTZ (Pan-tilt-zoom).
El primero de los algoritmos integra modelos personalizados de detección visual basados en tecnología YOLO (You only look once) para la identificación y seguimiento continuo en tiempo real de aves individuales en vuelo. Este sistema detecta las aves, calcula su posición espacial en cada fotograma y ajusta automáticamente la posición de la cámara para mantener centrada la imagen del ave seleccionada. Para evitar cambios constantes entre diferentes ejemplares detectados, el algoritmo incorpora un umbral máximo de distancia entre la posición actual y la detección previa, garantizando así un seguimiento estable y sin interrupciones.
El segundo algoritmo está orientado al análisis poblacional y comportamental mediante el proceso automático de vídeos segmentados, generando datos estructurados almacenados en formato JSON. Este algoritmo utiliza el modelo YOLO para detectar aves en cada fotograma, realizando un seguimiento a nivel individual mediante técnicas avanzadas de asignación de identidad. A partir de estos datos, el sistema calcula métricas relevantes como áreas promedio ocupadas por las aves, cantidad total de ejemplares detectados e información espacial precisa como distancia, acimut absoluto y colatitud. Estos datos son posteriormente utilizados para crear mapas de calor del cielo, collages que representan la densidad espacial de aves y gráficos vectoriales que indican direcciones predominantes de vuelo.
El proyecto IA4Birds es una iniciativa en la que AIR Institute cuenta con el apoyo de la Fundación Biodiversidad del Ministerio para la Transición Ecológica y el Reto Demográfico (MITECO), en el marco del Plan de Recuperación, Transformación y Resiliencia (PRTR) financiado por la Unión Europea - Next Generation EU.