El paso del tiempo implica diferentes cambios en las zonas urbanas, a través de la construcción de nuevas edificaciones, polígonos industriales o carreteras, así como una evolución en los paisajes naturales.
Todos hemos vivido la reconfiguración de ciertos espacios del entorno en el que residimos, con la aparición de nuevas zonas verdes, piscinas, chalets, colegios o complejos deportivos que antes no existían. También seguramente hayamos asistido a la transformación de determinados elementos de la naturaleza que nos rodea.
La cartografía juega un papel fundamental en el registro y análisis de todos esos cambios y transformaciones. Para alcanzar una representación cada vez más fiel de la realidad, la innovación es un factor crucial.
Sin embargo, el sector cartográfico sigue todavía muy marcado por el trabajo manual y rudimentario, que limita la eficiencia de las tareas y, como consecuencia, la competitividad.
Por ello, la aplicación de tecnologías como la Visión Artificial y el Deep Learning representa una importante disrupción a la hora de analizar e interpretar las características y la evolución de una determinada área geográfica. En este sentido, el proyecto IA4GEO, el cual ha sido desarrollado por Seresco, aplica técnicas de Inteligencia Artificial sobre imágenes del territorio en alta resolución, bien sean aéreas o satelitales, para la mejora de los servicios de producción cartográfica.
Automatización y tecnología GIS aplicadas a la cartografía
La aplicación de herramientas de detección automatizada conlleva que los esfuerzos tengan que centrarse únicamente en aquellas zonas donde previamente se han detectado variaciones de forma automática. Este tipo de soluciones, al integrar un software GIS, permiten contar con plena capacidad para visualizar y editar geoinformación procedente de múltiples fuentes.
Para su puesta en marcha, en el caso de IA4GEO, se han entrenado redes neuronales convolucionales (CNN), las cuales logran detectar cambios entre pares de ortoimágenes de una misma localización espacial, pero en diferentes instantes temporales. Las ortoimágenes son instantáneas, aéreas o satelitales, corregidas para eliminar los efectos de la perspectiva y la inclinación. Cabe destacar que, tras el entrenamiento y la evaluación de técnicas de Deep Learning, los modelos generados llegan a alcanzar una precisión de casi el 90%.
Un avance en competitividad para las compañías
Con la inclusión de la IA, se consiguen cubrir mayores superficies en periodos de tiempo mucho menores y se reducen de forma considerable los gastos. Esta mejora en la eficiencia hace posible alcanzar nuevos escenarios y mercados; a los cuales es difícil acceder debido a los altos costes que supone mantener una cartografía actualizada.
Teniendo en cuenta que un reconocimiento cartográfico se realiza sobre diferentes superficies del terreno, la detección de cambios con herramientas basadas en la IA se aplica en edificaciones de todo tipo, infraestructuras, red viaria, zonas asfaltadas y piscinas.
Al mismo tiempo, dichas técnicas obtienen buenos resultados de detección de cambios en disparidad de escenarios, como pueden ser, diferencias en la resolución y en la luminosidad de los pares de imágenes, así como en otros aspectos como el grado de inclinación de la captura de las imágenes. Los modelos de IA no tienen en cuenta aquellos cambios no relevantes como son: variaciones en la vegetación, la aparición y desaparición del ganado, modificaciones por luces y sombras o cambios debidos a la circulación de vehículos.
La aplicación de este tipo de herramientas abarca todo ámbito en el que se quiera realizar una actualización de bases de datos cartográficas y topográficas. Por ello, la inclusión de tecnologías de Deep Learning y Visión Artificial resulta extensible a cualquier compañía, pública o privada, que lleve a cabo proyectos ligados a la información geoespacial.
En conclusión, el futuro de la cartografía se encuentra ligado a la inclusión de la Inteligencia Artificial debido a las posibilidades que ofrece a las organizaciones para poder analizar de forma automatizada, rigurosa y precisa los cambios acaecidos en terrenos que resulten objeto de estudio.
