Please use this identifier to cite or link to this item: http://hdl.handle.net/10316/87306
Title: Conservation of Marine Life with the help of AI and big data
Other Titles: Conservação de vida marinha com ajuda de IA e big data
Authors: Amorim, João Miguel Cunha
Orientador: Macedo, Luís Miguel Machado Lopes
Keywords: Machine Learning; Deep Learning; Convolutional Neural Networks; Classificador de imagens; Feature Extraction and Matching; Machine Learning; Deep Learning; Convolutional Neural Networks; Image Classification; Feature Extraction and Matching
Issue Date: 9-Jul-2019
Serial title, monograph or event: Conservation of Marine Life with the help of AI and big data
Place of publication or event: CRITICAL Software/ iTGROW
Abstract: Actualmente, a conservação marítima tornou-se um tema de grande importância. O nosso consumismo está a causar um crescimento exponencial dos níveis de poluição, particularmente de poluição marítima. Consequentemente, as alterações climáticas são cada vez mais evidentes e têm um impacto directo significativo nestas espécies. A crescente temperatura da água dos oceanos afecta, não só os seus padrões de migração, mas também as épocas de nidificação, o que dificulta ainda mais a tarefa de monitorização de tartarugas marinhas. A recolha de informação com o método tradicional de etiquetar cada indivíduo torna-se cada vez mais ineficiente, visto que esses indivíduos podem alterar o seu trajecto de migração. No entanto, tecnologias como as redes sociais, para além de ajudarem cientistas a sensibilizar o público relativamente ao estado do ambiente e à possível extinção de espécies marítimas, podem ser usadas como ferramentas para acompanhar a mudança de comportamentos de espécies em vias de extinção. Com as imagens fornecidas por redes sociais como o Flickr (e com a respectiva metadata), algoritmos de classificação de imagens podem ser utilizados para identificar a presença dessas espécies no geral, ou de indivíduos em particular. Este estágio tenciona criar um website, onde cientistas podem efectuar uma procura por tag de imagens na rede social Flickr e um classificador de imagens detecta tartarugas e tenta identificá-las, com base nos padrões das escamas extraídos e comparados com uma base de dados previamente construída. Com a informação proveniente da metadata de cada imagem (nomeadamente tempo e localização), também será possível identificar alterações nos padrões migratórios, sem ser obrigatório a sua presença nos locais.
Nowadays, marine conservation is a subject of the utmost importance. Our level of consumerism is leading to an exponential growth of the levels of pollution, particularly of marine pollution. As a consequence, climate change is becoming more evident and having a greater impact on marine life. The rising temperatures of sea waters affects how these species migrate and their nesting seasons, making the task of monitoring sea turtles even harder. Gathering information via the traditional usage of tags is becoming increasingly less effective, since the tagged individuals' migratory path is becoming less predictable. However, social networks can be used to help scientists, not only raising public awareness about the environment and endangered species, but also keeping track of the changes in the behaviour of some endangered species. With the images provided by some social networks like Flickr (and the corresponding metadata), image classification algorithms can be used to identify, not only the presence of a species all over the world, but of a specific individual as well. This internship aims to create a system, where scientists can search images using a tag and an image classifier detects turtles and identifies them, by analyzing and comparing the scales pattern with a previously constructed turtles' database. With the metadata of those images, specifically information about the time and location of the image, scientists will be able to keep track of migratory paths changes all over the world.
Description: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
URI: http://hdl.handle.net/10316/87306
Rights: closedAccess
Appears in Collections:UC - Dissertações de Mestrado

Files in This Item:
File Description SizeFormat Login
TESE_Mestrado_META_2.pdf8.84 MBAdobe PDF    Request a copy
Show full item record

Page view(s)

267
checked on Oct 20, 2021

Download(s)

161
checked on Oct 20, 2021

Google ScholarTM

Check


This item is licensed under a Creative Commons License Creative Commons