Identificación de especies forestales maderables de costa rica en peligro de extensión, mediante técnicas de visión artificial.

Resumen de Propuesta Doctoral:

La identificación de especies forestales maderables a partir de una muestra de su madera es un proceso que tradicionalmente requiere de un alto nivel de expertise, especialmente en países con biodiversidad tan rica como Costa Rica. Sin embargo, para la protección de especies maderables amenazadas, es fundamental poner en manos de una población más amplia la posibilidad de identificarlas. En particular, es muy importante facultar a oficiales del MINAE para que hagan la identificación de manera más eficiente y rápida en pericias legales y otras labores de conservación de la biodiversidad. 
 
El procedimiento que realiza un experto para la identificación de una especie forestal maderable se basa en la observación de ciertas características anatómicas macroscópicas de una muestra. Dicha muestra se obtiene al realizar tres cortes en la madera: transversal, tangencial y radial. Se ha propuesto diseñar e implementar un algoritmo que realice la identificación del tipo de madera de manera automática y a partir de imágenes digitales de cortes de la muestra. Para esto se usarán técnicas de visión artificial y clasificación que los investigadores han aplicado en otros dominios. Se espera que el sistema pueda identificar al menos 50 de las 90 especies forestales maderables amenazadas de Costa Rica. Además, con el propósito de aumentar el impacto de esta investigación se propone enriquecer la Xiloteca del TEC con más muestras de especies maderables, una base de datos de imágenes digitales para hacer identificaciones,  una aplicación móvil para apoyar la labor de los oficiales del MINAE y la enseñanza de estas destrezas en cursos de dendrología.

Correo: cadriansalazarg@gmail.com

Resumen de Propuesta Doctoral:

Pese a los gigantescos avances en el conocimiento neurocientífico en las últimas décadas sobre el cerebro humano, este sigue siendo un órgano que oculta múltiples misterios. Recientemente se ha buscado expandir el conocimiento de dicho órgano bajo el modelo de redes neuronales biológicamente precisas, que permitan realizar estudios masivos sobre su comportamiento, sin necesidad de la experimentación in-vivo. El gran problema de estos modelos es su excesivo costo computacional, que obliga a la búsqueda de alternativas de procesamiento masivo. Una vía alternativa es la de optimizar dichos modelos sin perder la precisión buscada. Ello significa evaluar alternativas no necesariamente basadas en los modelos computacionales tradicionales de optimización, tal como el uso de técnicas heurísticas para la toma de decisiones, desarrollar sistemas de tecnologías mixtas (analógico-digitales) o el uso de representaciones numéricas alternativas con las cuales reducir los costos computacionales. Una primera aproximación al problema, partirá de la implementación de algunos de los modelos más prometedores actuales en una red masiva basada en FPGAs para obtener rápidamente un piso de comparación entre el estado del arte actual validado y los futuros aportes que se pudieran derivar de esta investigación.

Es de esperar que el resultado de la misma culmine en una plataforma lo suficientemente flexible para extenderse tanto en sus capacidades de procesamientos como en la programabilidad de nuevos modelos cerebrales.