En este proyecto hemos implemnetado varios algoritmos para la ayuda del seguimiento de plásticos en los oceanos.
- Visualización de las trayectorias de plásticos según las corrientes marítimas.
- Detección de plásticos en las playas con un modelo de deep learning U-Net
- Tracking de los plásticos según el destino y el origen.
A través del dataset Global Lagrangian dataset of Marine litter hemos podido hacer un tracking de las corrinetes marinas. Estos datos representan el movimiento de las particulas al curso de los años. En nuestro caso lo hemos aplicado solamente para el año 2021 debido al gran volumen de datos.
En Track_and_country.ipynb está disponible el tracking para 20000 trayectorias del año 2021.
Los datos son cargados a partir del archivo data.csv generado con convert_dataset.ipynb.
A partir del dataset de imagenes de playas contaminadas The BeachLitter Dataset 2022 se ha podido crear un modelo de Deep Learning tipo U-Net, con la que se han obtenido unas mascaras las cuales nos han permitido situar residos en playas. En UNET_BeachLitter (1).ipynb, donde se explica los fundamentos de la misma, se encuentra el modelo creado. Este modelo nos permite a partir de una imagen como esta:
Crear una mascara:
Que al aplicarla a la imagen inicial queda de la siguiente manera:
Mediante el dataset generado con los archivos convert_dataset.ipynb y dataset_cleaning.ipynb se ha generado el archivo cleande_data.csv, el cual contiene la cordenadas iniciales y finales de cada muestra es decir tiene la dimension (n_samples, 4). Gracias a este dataset podemos entrenar un Regressor Lineal que predice tanto la posición final a partir de la inicial, como la posición inicial a partir de la final. Prediccion posición Inicial
Hemos creado una base de datos en PostgresSQL con datos geolocalizados para poder almacenar información sobre la contaminación maritima. En el estado actual del proyecto, hemos guardado en la BD las coordenadas de los movimientos de las mareas del mar para poder almacenarlas y poder trabajar con ellas en las diferentes herramientas desarrolladas. Esta base de datos nos aporta escalabilidad al proyecto, ya que en un futuro podríamos aumentar los datos, es decir, guardar más información útil en dicha BD. Por ejemplo, podríamos guardar coordenadas de diferentes residuos localizados en el mar, información sobre acciones de saneado del mar, etc. Estos nuevos datos actualmente no los podríamos añadir porque necesitaríamos recolectarlos, ya que nadie lo hizo o no consta en internet.
- Sergi Garriga
- Raül Dalgamoni
- Eric Alcaraz
- Abel Espín