Observatorio de la biodiversidad animal en el Bosque Protector Prosperina mediante técnicas de aprendizaje profundo y videovigilancia

Cadena Montero, Ruberth Adrian; Ocaña Cercado, Andrés Eduardo

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Telemática
→
Ver ítem

dc.contributor.advisor	Collaguazo, Adriana, Directora
dc.contributor.author	Cadena Montero, Ruberth Adrian
dc.contributor.author	Ocaña Cercado, Andrés Eduardo
dc.creator	ESPOL. FIEC
dc.date.accessioned	2024-02-29T13:29:15Z
dc.date.available	2024-02-29T13:29:15Z
dc.date.issued	2023
dc.identifier.citation	Cadena Montero, R. A. y Ocaña Cercado, A. E. (2023). Observatorio de la biodiversidad animal en el Bosque Protector Prosperina mediante técnicas de aprendizaje profundo y videovigilancia. [Proyecto Integrador]. ESPOL. FIEC, Guayaquil. 82p.
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/60576
dc.description	El Bosque Protector la Prosperina posee una gran biodiversidad de flora y fauna, el área protegida se encuentra ubicada dentro del campus de la Escuela Superior Politécnica del Litoral. Actualmente, el Bosque Protector La Prosperina no cuenta con una clasificación oficial de todas las especies que habitan en él. Por tal motivo, en el presente estudio se propuso desarrollar un sistema de clasificación de especies en entornos naturales basado en técnicas de aprendizaje profundo utilizando imágenes, variables ambientales, con el propósito de contribuir a la preservación y concientización del estudio de la biodiversidad, facilitando la identificación precisa y eficiente de especies en sus hábitats naturales. Para la presente investigación, se obtuvo información de 4 cámaras trampa que fueron ubicadas en distintos puntos estratégicos: La Quebrada el Mono Aullador, Escorpión, FADCOM y Piscina. Las fotografías de las cámaras trampa fueron procesadas por el sistema de clasificación WildAI. Con la información suministrada por el modelo, se analizó la diversidad y abundancia relativa. Para el cálculo de los índices de diversidad Shannon?Weaver y Simpson, se utilizó el software estadístico PAST. El sistema de clasificación WildAI logró identificar 10 especies de mamíferos: Procyon cancrivorus, Eira barbara, Dasyprocta punctata, Odocoileus peruvianus, Tamandua mexicana, Leopardus pardalis, Dicotyles tajacu, Didelphis marsupialis, Galictis vitatta. Gracias al sistema de clasificación WildAI, se logró registrar el 90% de las especies de mamíferos conocidos en el Bosque Protector La Prosperina. La especie más abundante fue Procyon cancrivorus mientras que la menos abundante fue Galictis vittata. Para la divulgación de este proyecto, se crearon cápsulas audiovisuales que proporcionan una visión detallada de las diferentes etapas de la investigación y pruebas de campo. La combinación de medios visuales, testimonios de expertos y la presentación de las resultados de manera clara, contribuirán a concientizar sobre la conservación de las especies que habitan en el Bosque Protector La Prosperina. Palabras Clave: Bosque Protector La Prosperina, aprendizaje profundo, diversidad, abundancia relativa, cápsulas audiovisuales, IoT.
dc.format	application/pdf
dc.format.extent	82 página
dc.language.iso	spa
dc.publisher	ESPOL. FIEC
dc.rights	openAccess
dc.subject	Bosque Protector La Prosperina
dc.subject	Aprendizaje profundo
dc.subject	Abundancia relativa
dc.subject	Cápsulas audiovisuales
dc.title	Observatorio de la biodiversidad animal en el Bosque Protector Prosperina mediante técnicas de aprendizaje profundo y videovigilancia
dc.type	Ingeniero en Telemática
dc.identifier.codigoespol	T-114080
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	MULT-073
dc.description.abstractenglish	La Prosperina Protected Forest has a rich biodiversity of flora and fauna, situated within the campus of the Escuela Superior Politécnica del Litoral. Currently, La Prosperina Protected Forest lacks an official classification of all the species inhabiting it. Therefore, this study aimed to develop a species classification system in natural environments based on deep learning techniques using images and environmental variables. The purpose is to contribute to the preservation and awareness of biodiversity, facilitating the precise and efficient identification of species in their natural habitats. For this research, information was obtained from four camera traps strategically placed in different locations: Quebrada el Mono Aullador, Escorpión, FADCOM, and Piscina. The camera trap photos were processed by the WildAI classification system. Using the information provided by the model, diversity and relative abundance were analyzed. The Shannon?Weaver and Simpson diversity indices were calculated using the statistical software PAST. The WildAI classification system successfully identified 10 mammal species: Procyon cancrivorus, Eira barbara, Dasyprocta punctata, Odocoileus peruvianus, Tamandua mexicana, Leopardus pardalis, Dicotyles tajacu, Didelphis marsupialis, and Galictis vitatta. Thanks to the WildAI classification system, 90% of the known mammal species in La Prosperina Protected Forest have been recorded. The most abundant species was Procyon cancrivorus, while the least abundant was Galictis vitatta. To ensure effective dissemination of information on this project, audiovisual capsules were created to provide a detailed overview of the different stages of the research and field tests. These audio-visual capsules include the participation of professionals and those responsible for the monitoring project. The main objective is to generate audiovisual content that not only informs but also motivates the audience to get involved in the conservation of the species that inhabit La Prosperina Protected Forest. The combination of visual media, expert testimonies, and the presentation of the results in a clear and accessible way will significantly contribute to raising awareness about the importance of preserving this natural environment. iii Keywords: La Prosperina Protected Forest, deep learning, diversity, relative abundance, audio-visual capsules, IoT.