En paralelo a los avances en el modelo de clasificación de audio basado en IA, los investigadores del proyecto IA4Birds han desarrollado dos algoritmos de seguimiento visual complementarios utilizando la avanzada cámara PTZ (Pan-Tilt-Zoom) AXIS Q6225-LE.
El primer algoritmo integra modelos personalizados de detección visual basados en la tecnología YOLO (You Only Look Once) para la identificación en tiempo real y el seguimiento continuo de aves individuales en vuelo. El sistema detecta a las aves, calcula su posición espacial en cada fotograma y ajusta automáticamente la posición de la cámara para mantener al ave seleccionada centrada en la vista. Para evitar cambios constantes entre diferentes aves detectadas, el algoritmo incluye un umbral de distancia máxima entre la posición actual y la detección anterior, lo que garantiza un seguimiento estable e ininterrumpido.
El segundo algoritmo está diseñado para el análisis poblacional y del comportamiento mediante el procesamiento automatizado de secuencias de vídeo segmentadas, generando datos estructurados almacenados en formato JSON. Este algoritmo utiliza el modelo YOLO para detectar aves en cada fotograma y realiza el seguimiento de individuos mediante técnicas avanzadas de asignación de identidad. A partir de estos datos, el sistema calcula métricas clave como el área promedio ocupada por las aves, el número total de individuos detectados e información espacial precisa, incluyendo distancia, acimut absoluto y colatitud. Estos datos se utilizan posteriormente para producir mapas de calor del cielo, collages que representan la densidad espacial de las aves y diagramas vectoriales que muestran las direcciones de vuelo predominantes.
El proyecto IA4Birds es una iniciativa en la que el 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.