Tres herramientas basadas en IA e imágenes aéreas desarrolladas en Manos en la Data-Uruguay
Este blog está escrito por Lucila Berniell (DIS-CAF), Federico Juncosa (DIS-CAF) y Federico Bayle (Dymaxion Labs).
Manos en la Data (MeD) es una iniciativa liderada por la Dirección de Investigaciones Socioeconómicas (DIS) de CAF para apoyar a los gobiernos de la región en la utilización de técnicas de frontera en inteligencia artificial y machine learning para extraer más valor informativo de las múltiples fuentes de datos con las que hoy cuentan los estados. Esta iniciativa ya fue replicada en Argentina, Colombia y más recientemente en Uruguay.
La primera etapa de la edición uruguaya de MeD apuntó al desarrollo de tres prototipos de ciencia de datos que utilizaron distintos tipos de imágenes áreas (de un vuelo fotogramétrico y satelitales) para producir herramientas de datos que asistirán la toma de decisiones de política pública en áreas tan diversas como planeamiento urbano, energías renovables e infraestructura vial en Uruguay. A continuación se describen estos tres proyectos, que fueron desarrollados por el equipo de Dymaxion Labs, una pujante empresa fundada en 2018 en Buenos Aires que se especializa en el procesamiento masivo de datos para agilizar la toma de decisiones en base a aplicaciones de inteligencia artificial sobre distintas fuentes de información, como imágenes aéreas.
Proyecto Monitoreo de Asentamientos
El proyecto Monitoreo de Asentamientos parte de un abordaje previo realizado en el marco de la iniciativa “Uso de datos masivos para la eficiencia del estado y la integración regional”, financiado por el Banco Interamericano de Desarrollo y co-gestionado por AGESIC, el Sistema Nacional de Emergencias y el Ministerio de Desarrollo Social (MIDES). En esta segunda etapa realizada en el marco de MeD-Uruguay, junto con el MIDES y el Ministerio de Vivienda y Ordenamiento Territorial (MVOT), se puso el foco en el procesamiento desarrollado en la etapa previa para la operación con las fotos aéreas tomadas por el vuelo realizado para la Infraestructura de Datos Espaciales de Uruguay (IDE), que tuvo lugar durante los años 2017 y 2018, y cuyos resultados ya se encuentran disponibles de manera abierta. Dicha adaptación también tuvo como objetivo incorporar capacidades para que el modelo desarrollado pueda aplicarse sobre nuevas imágenes satelitales públicas del sensor Sentinel-2 de la Agencia Espacial Europea.
Se utilizó un tipo de arquitectura denominada U-Net especializada en la clasificación y segmentación de objetos. Se trata de una red neuronal convolucional desarrollada para la segmentación de imágenes biomédicas en el Departamento de Ciencias de la Computación de la Universidad de Freiburg, Alemania. Su estructura se compone de dos partes: Contracción, en la que se extraen las características principales de la imagen a medida que pasa las diferentes capas (layers), y Expansión, en la que se recupera el tamaño original combinando sus características principales con la información de mayor resolución.
En números:
- 40 localidades analizadas
- 11.000 kilómetros cuadrados
- 80 GB de imágenes
Figura 1. Predicciones red neuronal en imágenes del sensor Sentinel-2 (ESA)
Equipos de aprovechamiento solar
En este segundo proyecto se trabajó de manera conjunta con el área de Planificación Estadística y Balance, dentro de la Dirección Nacional de Energía del MIEM, que es la encargada de elaborar el Balance Energético Nacional (BEN) y reúne los principales resultados del sector energético a nivel nacional. En 2019 el BEN estimó que la superficie instalada por colectores solares aumentó un 11,9%, pasando de 77.011 m² a 87.430 m² aproximadamente. Actualmente, el registro de equipos de aprovechamiento solar (categoría integrada tanto por los colectores como por los paneles) es parcial ya que no se dispone de la totalidad de los equipos instalados, su dimensión o ubicación. De este modo, el aporte a la matriz energética de estos equipos debe ser estimado por medio de registros de Aduana y el registro anual de generadores conectados a la red, brindado por la Administración Nacional de Usinas y Transmisiones Eléctricas (UTE).
El objetivo de este proyecto fue obtener estimación de la cantidad de equipos instalados, su ubicación en coordenadas geográficas y la dimensión aproximada en metros cuadrados de colectores solares y paneles fotovoltaicos instalados. Para la detección de estos equipos se utilizaron como insumos principales los datos abiertos de imágenes satelitales pertenecientes a IDEuy. Sobre estas imágenes se confeccionaron dos archivos de anotaciones utilizados para enseñarle al modelo a identificar los paneles fotovoltaicos. Asimismo, se emplearon diversas técnicas de Data Augmentation, como la rotación a 90 grados, espejado horizontal o cambios de brillo y contraste para lograr una mejor identificación del tipo de panel. La arquitectura de red neuronal U-Net es la misma utilizada en el proyecto de mapeo de asentamientos informales que fue descrita previamente.
En números:
- 40 localidades analizadas
- 125.000 kilómetros cuadrados
- 961 GB de imágenes
El trabajo realizado junto con el MIEM permitirá un relevamiento más preciso y meticuloso de dichos equipos, permitiendo mejorar el seguimiento en el avance del cumplimiento de los ODS (Objetivos de Desarrollo Sostenible) 7 (Energía) y 13 (Medio Ambiente), así como también los análisis de impacto acerca de la Política energética 2005-2030.
Figura 2. Detección de paneles solares en diferentes contextos.
Caminos que conectan
Por último, en el tercer proyecto de Manos en la Data-Uruguay, Dymaxion Labs colaboró con la Oficina de Planeamiento y Presupuesto (OPP) y los Gobiernos Departamentales (GGDD) en el marco del Programa de Caminería Rural. El objetivo de este Programa es mejorar y transparentar la gestión de la caminería rural a partir de la generación de Programas Viales Departamentales, la codificación estandarizada (identificación de cada camino de forma única e inequívoca) a escala nacional de toda la red vial, y el diseño y desarrollo del Inventario de Caminería Rural (ICR). A partir de la disponibilidad de las fotos aéreas de cobertura nacional 2017-2018 y de las capas vectoriales asociadas, se detectó la oportunidad de obtener y completar en el ICR con algunos datos relevantes para la gestión de la red vial:
- Tipo de pavimento (rodadura) de los caminos.
- Identificación de obras hidráulicas sobre los mismos, su clasificación según su extensión y la jerarquía de la cuenca hidrográfica en la que se encuentre.
De este modo, el proyecto “Caminos que Conectan” contribuye a determinar el tipo de camino para así poder analizar y programar el asfaltado y mantenimiento de los mismos. El producto final consiste en una herramienta con la cual la institución pública puede analizar a demanda las imágenes del vuelo fotogramétrico y mapear las instancias mencionadas en el párrafo anterior. Para validar la capacidad predictiva de la herramienta se analizaron distintos tipos de geografías del país, buscando capturar la variabilidad a lo largo del territorio.
Figura 3. Predicción de la red neuronal sobre los distintos tipos de caminos
Los tipos de camino a detectar fueron:
- Pavimentado
- Tierra
- Concreto
- Presencia de líneas horizontales pintadas.
Y se clasificaron en cuatro categorías:
- HOR hormigón
- ASF Asfalto
- GRA Granular
- NAT Natural
En números:
- 50.000 km de caminos analizados.
- 900 GB de imágenes.
Imágenes aéreas como fuente de información para la política pública
Tal como lo evidencian los tres prototipos desarrollados en MeD-Uruguay, las imágenes aéreas son una fuente muy promisoria para dotar a los decisores de política pública de información relevante, oportuna y de bajo costo sobre la que apoyar el diseño, implementación y monitoreo de intervenciones de muy diversa índole. Además de los sectores vinculados a estos prototipos MeD, este tipo de imágenes pueden también utilizarse para el monitoreo y cuidado del medio ambiente, para la detección de actividades ilegales como la tala indiscriminada o la extracción de minerales y metales sin autorización o la presencia de basurales a cielo abierto. La actualización de catastros es otra posible aplicación asociada a este tipo de tecnologías, permitiendo la detección de cambios a lo largo del tiempo con una mayor frecuencia de actualización y a menor costo.