Un algoritmo de aprendizaje automático identificó pilas de escombros lo suficientemente grandes como para contener cuerpos en una imagen aérea de una secuela de inundación. Crédito: Centro de búsqueda y rescate asistido por robot y Universidad de Maryland
Para la búsqueda y el rescate, la IA no es más precisa que los humanos, pero es mucho más rápido.
Éxitos recientes en la aplicación de la visión por computadora y el aprendizaje automático a las imágenes de drones para Determinando rápidamente el daño del edificio y la carretera después de huracanes o Cambiando las líneas de incendios forestales Sugiera que la inteligencia artificial podría ser valiosa para buscar personas desaparecidas después de una inundación.
Los sistemas de aprendizaje automático generalmente tardan menos de un segundo en escanear una imagen de alta resolución de un dron versus uno o tres minutos para una persona. Además, los drones a menudo producen más imágenes para ver de lo que es humanamente posible en las primeras horas críticas de una búsqueda cuando los sobrevivientes aún pueden estar vivos.
Desafortunadamente, los sistemas de IA de hoy no están a la altura de la tarea.
Somos Investigadores de robótica quienes estudian El uso de drones en desastres. Nuestras experiencias que buscan víctimas de inundaciones y muchos otros eventos muestran que las implementaciones actuales de IA se quedan cortas.
Sin embargo, la tecnología puede desempeñar un papel en la búsqueda de víctimas de inundaciones. La clave es la colaboración ai-humana.
Potencial de IA
La búsqueda de víctimas de inundaciones es un tipo de búsqueda y rescate en el desierto que presenta desafíos únicos. El objetivo para los científicos de aprendizaje automático es clasificar qué imágenes tienen signos de víctimas e indicar en qué parte de esas imágenes debe centrarse el personal de búsqueda y rescate. Si el respondedor ve signos de una víctima, pasan la ubicación del GPS en la imagen para buscar equipos en el campo para verificar.
La clasificación se realiza por un clasificadorLo cual es un algoritmo que aprende a identificar instancias similares de objetos (capatos, automóviles, árboles) desde datos de entrenamiento para reconocer esos objetos en nuevas imágenes. Por ejemplo, en un contexto de búsqueda y rescate, un clasificador detectaría casos de actividad humana, como basura o mochilas para pasar a los equipos de búsqueda y rescate de la naturaleza, o incluso identificaría a la persona desaparecida.
Se necesita un clasificador debido al gran volumen de imágenes que los drones pueden producir. Por ejemplo, un solo vuelo de 20 minutos puede producir más de 800 imágenes de alta resolución. Si hay 10 vuelos, un pequeño número, habría más de 8,000 imágenes. Si un respondedor pasa solo 10 segundos mirando cada imagen, tomaría más de 22 horas de esfuerzo. Incluso si la tarea se divide entre un grupo de “escuadrones”, los humanos tienden a Miss áreas de imágenes y mostrar fatiga cognitiva.
La solución ideal es un sistema de IA que escanea toda la imagen, prioriza las imágenes que tienen los signos más fuertes de las víctimas y destaca el área de la imagen para que un respondedor inspeccione. También podría decidir si la ubicación debe ser marcada para la atención especial por equipos de búsqueda y rescate.
Donde la IA se queda corta
Si bien esta parece ser una oportunidad perfecta para la visión por computadora y el aprendizaje automático, los sistemas modernos tienen un alta tasa de error. Si el sistema está programado para sobreestimar el número de ubicaciones de candidatos con la esperanza de no faltar a ninguna víctima, es probable que produzca demasiados candidatos falsos. Eso significaría sobrecargar los cuadrados o, lo que es peor, los equipos de búsqueda y rescate, que tendrían que navegar a través de escombros y estancamientos para verificar las ubicaciones de los candidatos.
Desarrollar visión por computadora y sistemas de aprendizaje automático para encontrar víctimas de inundaciones es difícil por tres razones.
Una es que, si bien los sistemas de visión por computadora existentes son ciertamente capaces de Identificar a las personas visibles en imágenes aéreasLos indicadores visuales de una víctima de la inundación a menudo son muy diferentes en comparación con los de un excursionista o fugitivo perdido. Las víctimas de las inundaciones a menudo están oscurecidas, camufladas, enredadas en escombros o sumergidas en agua. Estos desafíos visuales aumentan la posibilidad de que los clasificadores existentes extrañen a las víctimas.
En segundo lugar, el aprendizaje automático requiere datos de entrenamiento, pero no hay conjuntos de datos de imágenes aéreas donde los humanos se enredan en los escombros, cubiertos de lodo y no en posturas normales. Esta falta también aumenta la posibilidad de errores en la clasificación.
En tercer lugar, muchas de las imágenes de drones a menudo capturadas por los buscadores son vistas oblicuas, en lugar de mirar hacia abajo. Esto significa que la ubicación GPS de un área candidata no es la misma que la ubicación GPS del dron. Es posible calcular la ubicación del GPS si se conocen la altitud y el ángulo de la cámara del dron, pero desafortunadamente Esos atributos rara vez son. La ubicación imprecisa del GPS significa que los equipos deben pasar más tiempo buscando.
Cómo AI puede ayudar
Afortunadamente, con los humanos y la IA trabajando juntos, los equipos de búsqueda y rescate pueden usar con éxito los sistemas existentes para ayudar a reducir y priorizar las imágenes para una mayor inspección.
En el caso de las inundaciones, los restos humanos pueden enredarse entre la vegetación y los escombros. Por lo tanto, un sistema podría identificar grupos de escombros lo suficientemente grandes como para contener restos. Una estrategia de búsqueda común es identificar las ubicaciones del GPS de dónde se ha reunido Flotsam, Porque las víctimas pueden ser parte de estos mismos depósitos.
Un clasificador de IA podría encontrar escombros comúnmente asociados con restos, como colores artificiales y desechos de construcción con líneas rectas o esquinas de 90 grados. Los respondedores encuentran estas señales mientras caminan sistemáticamente por las riberas y las llanuras de inundaciones, pero un clasificador podría ayudar a priorizar las áreas en las primeras horas y días, cuando puede haber sobrevivientes, y luego pudo confirmar que los equipos no se perdieron ninguna zona de interés mientras navegaban por el difícil paisaje a pie.
Proporcionado por la conversación
Este artículo se republicó de La conversación bajo una licencia Creative Commons. Leer el artículo original.
Cita: ¿Por qué los drones y la IA no pueden encontrar rápidamente víctimas de inundaciones faltantes, sin embargo (2025, 17 de julio) recuperado el 17 de julio de 2025 de https://techxplore.com/news/2025-07-drones-ai-quickly-vicims.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
