La inteligencia artificial acercará los especímenes de los museos a las masas

La inteligencia artificial acercará los especímenes de los museos a las masas

Los científicos están utilizando inteligencia artificial de vanguardia para favorecer a extraer “información” compleja de grandes colecciones de especímenes de museo.

Un equipo de la Universidad de Cardiff está utilizando técnicas de vanguardia para segmentar y capturar automáticamente la información de los especímenes de museo y llevar a cabo una importante mejora de la calidad de los datos sin necesidad de intervención humana.

Han estado trabajando con museos de toda Europa, incluido el Museo de Historia Natural de Londres, para perfeccionar y validar sus nuevos métodos y contribuir a la gigantesca tarea de digitalizar cientos de millones de especímenes.

Con más de 3.000 millones de especímenes biológicos y geológicos conservados en los museos de historia natural de todo el mundo, la digitalización de especímenes de museo, en la que la información física de un determinado espécimen se transforma en un formato digital, se ha convertido en una tarea cada vez más importante para los museos a medida que se adaptan a un mundo digital.

Un tesoro de información digital tiene un valor incalculable para los científicos que tratan de modelar el pasado, el presente y el futuro de los organismos y de nuestro planeta, y podría ser clave para abordar algunos de los mayores retos sociales a los que se enfrenta nuestro mundo hoy en día, desde la conservación de la biodiversidad y la lucha contra el cambio climático hasta la búsqueda de nuevas formas de hacer frente a enfermedades emergentes como el COVID-19.

El proceso de digitalización también ayuda a disminuir la cantidad de manipulación manual de los especímenes, muchos de los cuales son muy delicados y propensos a sufrir daños. Disponer de datos e imágenes adecuadas en línea puede reducir el riesgo para la colección física y proteger los especímenes para las generaciones futuras.

En un nuevo artículo publicado hoy en la revista Machine Vision and Applications, el equipo de la Universidad de Cardiff ha dado un paso para que este proceso sea más barato y rápido.

“Este nuevo enfoque podría transformar nuestros flujos de trabajo de digitalización”, afirma Laurence Livermore, subdirector del programa digital del Museo de Historia Natural de Londres.

El equipo ha creado y probado un nuevo método, denominado segmentación de imágenes, que puede localizar y delimitar fácil y automáticamente diferentes regiones visuales en imágenes tan diversas como las preparaciones de microscopio o los pliegos de herbario con un alto grado de precisión.

La segmentación automática puede utilizarse para centrar la captura de información de regiones específicas de una diapositiva o lámina, como una o más de las etiquetas pegadas en la diapositiva. También puede ayudar a realizar un importante control de calidad de las imágenes para garantizar que las copias digitales de los especímenes sean lo más precisas posible.

“En el pasado, nuestra digitalización se ha visto limitada por la velocidad a la que podemos comprobar, extraer e interpretar manualmente los datos de nuestras imágenes. Este nuevo enfoque nos permitiría ampliar algunas de las partes más lentas de nuestros flujos de trabajo de digitalización y hacer que los datos cruciales estén más fácilmente disponibles para los investigadores del cambio climático y la biodiversidad”, continuó Livermore.

El método ha sido entrenado y luego probado en miles de imágenes de portaobjetos de microscopio y hojas de herbario de diferentes colecciones de historia natural, lo que demuestra la adaptabilidad y flexibilidad del sistema.

En las imágenes se incluye información clave sobre el portaobjetos del microscopio o el pliego del herbario, como el propio espécimen, las etiquetas, los códigos de barras, las tablas de colores y los nombres de las instituciones.

Normalmente, una vez que se ha capturado una imagen, es necesario comprobarla para controlar su calidad y registrar la información de las etiquetas, un proceso que actualmente se realiza de forma manual, lo que puede requerir mucho tiempo y recursos.

El autor principal del nuevo estudio, el profesor Paul Rosin, de la Facultad de Informática de la Universidad de Cardiff, ha declarado: “Los intentos anteriores de segmentación de imágenes de portaobjetos de microscopio y pliegos de herbario se han limitado a imágenes de una sola colección”.

“Nuestro trabajo se ha basado en los múltiples socios de nuestro gran proyecto europeo para crear un conjunto de datos que contiene ejemplos de múltiples instituciones y muestra lo bien que nuestros métodos de inteligencia artificial pueden ser entrenados para procesar imágenes de una amplia gama de colecciones”.

“Confiamos en que este método podría ayudar a mejorar los flujos de trabajo del personal que trabaja con colecciones de historia natural para acelerar drásticamente el proceso de digitalización a cambio de muy pocos costes y recursos”.

[content-egg module=Youtube template=custom/simple]

Michael Rojas

Michael Rojas

Me convertí en un entusiasta de la tecnología a finales de 2012, y desde entonces, he estado trabajando para publicaciones de renombre en toda América y España como freelance para cubrir productos de empresas como Apple, Samsung, LG entre otras. ¡Gracias por leerme! Si deseas saber más sobre mis servicios, envíame tu consulta a michaelrojas@elenbyte.com.

Elenbyte
Logo
Comparar artículos
  • Total (0)
Comparar
0