Revisión de las perspectivas actuales y las tendencias emergentes en la detección de estelas de barcos

Autores:Irene Ortiz Abuja, Luis Ciruelo Sanz, Enrique Diez Benito, Francisco Rodríguez Robles, Víctor Chaparro Parra, Manuel Naranjo Martínez y Roberto Gómez-Espinosa Martín.

Abstract

Este documento explora el campo de detección de estelas de barcos utilizando imágenes de satélite. La investigación examina métodos tradicionales, como la transformada de Radon y la transformada de Hough, así como técnicas más modernas basadas en el aprendizaje profundo. Los autores analizan métodos para estimar parámetros como la velocidad y dirección del barco a partir de las características de la estela, y discuten la importancia de conjuntos de datos etiquetados de alta calidad para el desarrollo de modelos de aprendizaje automático.

Implementación de un modelo de Deep Learning para la detección de abarloamientos en imágenes satelitales en SEDA

Autores:Manuel Naranjo Martínez, Luis Ciruelo Sanz, Jose María Moreu Gamazo, Enrique Diez Benito, Víctor Chaparro Parra, y Roberto Gómez-Espinosa Martín.

Abstract

Este artículo explora la detección de abarloamientos en imágenes satelitales, un acto que puede estar asociado con actividades ilegales. En lugar de depender del Sistema de Identificación Automática (AIS), que puede desactivarse para evitar la detección, se utiliza el aprendizaje profundo para analizar las imágenes. Se presentan dos modelos: uno para detectar embarcaciones y otro para clasificarlas, identificando aquellas que se acercan a otras.

Revisión del Estado del Arte de Algoritmos de Inteligencia Artificial sobre Imágenes Satelitales para la Planificación de Rutas de Navegación en Zonas Polares

Autores: Francisco Rodríguez Robles, Guillermo Rodríguez Llorente, Gustavo Aguado Perianes, Enrique Diez Benito, Irene Ortiz Abuja, Manuel Naranjo Martínez y Roberto Gomez-Espinosa

Abstract

Este artículo presenta una revisión del estado del arte en el uso de algoritmos de inteligencia artificial (IA) para analizar imágenes satelitales en apoyo a la planificación de rutas de navegación en zonas polares. Destaca el creciente interés comercial, turístico y militar en las regiones polares y la necesidad de sistemas de enrutamiento avanzados que minimicen los daños a la carga y aseguren la puntualidad de las llegadas. El trabajo se centra en dos enfoques principales: la detección de hielo a la deriva y la estimación de la concentración de hielo marino.

Se analizan los artículos más importantes que comparan o presentan diferentes alternativas relacionadas con las técnicas de procesamiento y las arquitecturas de los modelos, aplicando las conclusiones extraídas al desarrollo del proyecto MADS (Maduración del Demostrador SEDA), que busca evolucionar una plataforma de inteligencia geoespacial del Ministerio de Defensa español llamada SEDA (SatEllite Data AI).

Implementación de un sistema basado en Deep Learning para la detección de dark vessels en imagen satelital a través de la predicción de ruta 

Autores: Enrique Diez Benito, Jose María Moreu Gamazo, Luis Ciruelo Sanz, Víctor Chaparro Parra, Manuel Naranjo Martínez y Roberto Gómez-Espinosa Martín.

Abstract

Este estudio presenta un sistema de detección de »dark vessels» (buques que apagan su Sistema de Identificación Automática -AIS-) usando inteligencia artificial y imágenes satelitales. El sistema utiliza un modelo »deep learning» para predecir la ruta de un barco tras apagar su AIS, y posteriormente lo detecta en una imagen satelital. El modelo se basa en datos AIS históricos y se aplica a imágenes de Sentinel-2 para localizar posibles ubicaciones del barco. Este sistema puede ser útil para mejorar la seguridad marítima, la lucha contra el crimen y la detección de barcos sospechosos.