Inteligencia artificial y visión por computador para crear el primer mapa de tejados con amianto

Veinte años después de su prohibición en la construcción, el amianto sigue siendo un problema de salud pública de primer orden. Se estima que, solo en Cataluña, el amianto instalado supone más de cuatro millones de toneladas de fibrocemento y entre unas 6.000 y 30.000 toneladas de otros compuestos de este material que, según la OMS, provoca 107.000 muertes anuales en el mundo por cáncer de pulmón, cáncer de pleura y asbestosis (fibrosis pulmonar). Un equipo investigador de la Universitat Oberta de Catalunya (UOC) y la empresa DetectA ha puesto en marcha un proyecto para solucionar una de las cuestiones clave en la lucha contra el amianto: la identificación de las cubiertas fabricadas con este material. El objetivo es desarrollar una solución tecnológica basada en inteligencia artificial y visión por computador para detectar automáticamente, a partir de imágenes aéreas públicas, qué tejados tienen amianto.

"Actualmente, no hay ningún tipo de protocolo para identificar el amianto que existe en el territorio ni ninguna forma sistemática para llevar a cabo este proceso. La única manera es la identificación visual, que, teniendo en cuenta la gran cantidad de construcciones afectadas que todavía existen, implica un gasto económico y personal muy importante", explica Javier Borge Holthoefer, investigador líder del grupo Complex Systems (CoSIN3), del Internet Interdisciplinary Institute (IN3), quien, junto con Àgata Lapedriza, investigadora líder del grupo de investigación Artificial Intelligence for Human Well-being (AIWELL), vinculado al eHealth Center y a los Estudios de Informática, Multimedia y Telecomunicación, coordina este proyecto transdisciplinario de la UOC.

Conocer el alcance del problema

Esta situación es especialmente problemática teniendo en cuenta las diferentes normativas —tanto europeas como estatales y locales— que obligan a establecer un censo de las edificaciones con amianto y a eliminarlo durante los próximos años. "En 2028, todos los edificios públicos tienen que haber eliminado toda presencia de amianto. Y lo mismo pasará en 2032 con los edificios privados. Esto se suma a la nueva Ley de Residuos, aprobada en el Congreso de Madrid, que obliga a todos los municipios a haber censado la presencia de amianto en sus términos municipales antes de mayo de 2023. El primer paso para acabar con el amianto es tener un conocimiento profundo de su presencia y su estado, y aquí es donde entra nuestro proyecto. Nunca podremos solucionar un problema si no conocemos su alcance", subraya César Sánchez, fundador, junto con Carles Scotto, de DetectA.

Entrenar algoritmos con imágenes aéreas

Ante este reto, el nuevo proyecto aprovecha la experiencia de los dos grupos de la UOC en análisis de imágenes, visión por computador y aprendizaje automático, una técnica de inteligencia artificial que consiste en el diseño de sistemas computacionales capaces de aprender a partir de datos y posteriormente realizar predicciones sobre nuevos datos que no han visto anteriormente. De hecho, estos investigadores ya han usado este tipo de tecnologías en otras aplicaciones, como por ejemplo en la identificación de zonas seguras para peatones en entornos urbanos.

En este caso, la idea es entrenar a un algoritmo para que sea capaz de reconocer qué tejados tienen amianto observando imágenes aéreas y de satélite de Cataluña. "El amianto se utilizó para fabricar depósitos, túneles, galerías, cañerías y otras muchas tipologías de construcciones, pero la estimación es que la mayoría está en cubiertas", explica Javier Borge.

Para llevar a cabo esta iniciativa, los investigadores parten de una base de datos de imágenes de tejados, con y sin amianto, de zonas del área metropolitana de Barcelona que han sido recopiladas y verificadas por la empresa DetectA. "El primer paso de un proyecto como este es tener una verdad indiscutible, es decir, fotos verificadas de cubiertas para poder entrenar al algoritmo y que sepa qué características tiene que buscar en las nuevas imágenes sin clasificar. Cuanto más lo entrenas, mejor funciona", detalla el investigador del IN3.

Con estos datos verificados, y a través de diferentes técnicas de visión por computador —una disciplina que trata de extraer la información contenida en una imagen—, el algoritmo va aprendiendo y precisando la clasificación de las fotos de cubiertas y techos de diferentes edificaciones. En este proceso, el equipo investigador también aplicará modelos computacionales avanzados de aprendizaje profundo, denominadas redes neuronales profundas, que, en palabras de Àgata Lapedriza, son "unos modelos basados en capas, con millones de parámetros, que utilizan las mejoras recientes en la capacidad de cálculo computacional para aprender, a partir de grandes conjuntos de datos, a automatizar tareas".

Superar los retos tecnológicos

Estas tecnologías de última generación hacen posible superar algunos de los retos de este proyecto y del mismo campo de la visión por computación para conseguir resultados robustos. "El amianto se encuentra en todo tipo de edificaciones. Por lo tanto, el algoritmo necesita muchas cantidades de datos para llegar a comprender todos los entornos y contextos, desde los edificios de una gran ciudad como Barcelona, pasando por las construcciones típicas de un pueblo de la costa o de los Pirineos, hasta las fábricas de un entorno industrial o las granjas del medio rural", destaca Javier Borge.

Entre los retos intrínsecos de los proyectos de visión por computador, la investigadora del AIWELL destaca las dificultades de identificar imágenes de un mismo lugar realizadas con condiciones diferentes. "Para la visión humana, es muy fácil entender que dos imágenes son de un mismo lugar, aunque la luz sea diferente o que una se haya hecho bajo la lluvia y la otra en un día soleado. En cambio, para una máquina, es muy difícil identificar que dos imágenes corresponden a un mismo lugar si hay cambios de iluminación o cambios en las condiciones climáticas. Por eso, hay que hacer muchos experimentos, con muchos datos, para conseguir generalizar los resultados", argumenta.

El objetivo de los investigadores es definir el protocolo de trabajo y testar este modelo con "imágenes de municipios que el algoritmo no ha visto nunca para ver cuál es su porcentaje de acierto y conseguir tener una prueba de concepto de la tecnología a finales del verano", avanza la investigadora.

Imágenes públicas y gratuitas

Las imágenes que usará el proyecto para entrenar al algoritmo provendrán de la base de datos del Instituto Cartográfico de Cataluña, un repositorio que es público y gratuito para cualquier usuario. Esta es una de las ventajas respecto de otros proyectos similares, puesto que abarata la tecnología y favorece el alcance del proyecto y su escalabilidad. "Hay iniciativas similares a la nuestra que dependen de imágenes más sofisticadas, como por ejemplo las realizadas con cámaras multiespectrales, que reflejan propiedades del terreno. Es un tipo de imagen caro de obtener, por lo que la extensión geográfica suele ser limitada a algunos barrios de grandes ciudades. Si queremos resolver un problema general como el del amianto en Cataluña, este tipo de imágenes no nos parece una solución viable", explica Javier Borge.

"Nuestra solución no necesita vuelos dedicados para conseguir imágenes específicas y nos permite construir el mapa de tejados de fibrocemento del país sin dedicarle nuevos recursos", concluye César Sánchez.

Esta investigación de la UOC favorece los objetivos de desarrollo sostenible (ODS) 3, salud y bienestar; 9, industria, innovación e infraestructuras, y 11, ciudades y comunidades sostenibles.

 

UOC R&I

La investigación e innovación (I+D+i) de la UOC contribuye a solucionar los retos a los que se enfrentan las sociedades globales del siglo xxi, mediante el estudio de la interacción de la tecnología y las ciencias humanas y sociales, con un foco específico en la sociedad red, el aprendizaje en línea y la salud digital.

Los más de 500 investigadores e investigadoras y los 51 grupos de investigación se articulan en torno a los siete estudios de la UOC, un programa de investigación en aprendizaje en línea (e-Learning Research) y dos centros de investigación: el Internet Interdisciplinary Institute (IN3) y el eHealth Center (eHC).

La Universidad impulsa también la innovación en el aprendizaje digital a través del eLearning Innovation Center (eLinC) y la transferencia de conocimiento y el emprendimiento de la comunidad UOC con la plataforma Hubbik.

Los objetivos de la Agenda 2030 de Desarrollo Sostenible de las Naciones Unidas y el conocimiento abierto son ejes estratégicos de la docencia, la investigación y la innovación de la UOC. Más información: research.uoc.edu #25añosUOC