Workshop Code4Dev: librerías open-source para la detección de basurales informales
En el marco del primer Workshop de uso de Código para el Desarrollo, continuamos con la presentación de nuestras herramientas Satproc y Unetseg, dos librerías de código abierto para el procesamiento de imágenes satelitales. Abordamos de manera práctica su aplicación para la detección de basurales informales, una problemática con un impacto negativo para el ambiente y el desarrollo socio-económico.
En este posteo compartimos los puntos más relevantes y la grabación completa del workshop, por si te lo perdiste o quieres volver a verlo. Recuerda que al final explicamos paso a paso cómo correr el código y comenzar a detectar basurales a cielo abierto tú mismo.
¿Qué es Code4Dev?
Code4Dev es una red de desarrolladores que trabajan en gobiernos de América Latina y el Caribe y apoyan la digitalización del sector público. En 2021, Dymaxion Labs se sumó a ella con el fin de disponibilizar nuestras soluciones para resolver problemas públicos.
La red cuenta con el apoyo del Banco Interamericano del Desarrollo, multilateral que también impulsa la plataforma Código para el desarrollo, cuyo objetivo es brindar acceso a soluciones escalables para gestores del sector público en América Latina y el Caribe.
¿Cuál es el aporte de nuestras librerías Unetseg y Satproc?
Satproc y Unetseg son dos librerías open-source desarrolladas en Python para el procesamiento de imágenes satelitales. Combinadas, hacen más eficiente el monitoreo de objetos de interés en grandes áreas de superficies. Este tipo de herramientas son altamente demandadas por los gestores públicos de América Latina y el Caribe ya que son escalables, de bajo costo y permiten extraer información para la toma de decisiones.
En concreto, Satproc ayuda a trabajar con una gran cantidad de imágenes raster geoespaciales -satelitales, de drones, etc.- y procesarlas para entrenar modelos de aprendizaje automático, para la detección de objetos o problemas de segmentación semántica. Cuenta con diversas funcionalidades para adaptar diversos tipos de imágenes de manera que puedan ser utilizadas por el algoritmo.
Unetseg, por su parte, es un paquete de Python, que permite calibrar modelos de deep learning para segmentación semántica basada en la arquitectura U-Net. Está especialmente afinado para imágenes multiespectrales satelitales, aéreas y drones, de distinta resolución espacial.
Resolver problemáticas públicas con herramientas open-source: el caso de la detección de los basurales a cielo abierto.
Nuestras librerías permiten monitorear casi cualquier objeto de interés en grandes extensiones de superficie. El monitoreo en un territorio amplio suele consumir muchos recursos y estar expuesto a fallas humanas de relevamiento que redundan en datos no comparables o, dicho de otra manera, pérdida de información y recursos.
Algunos casos de uso pueden ser la detección de asentamientos vulnerables, de áreas quemadas producto de un incendio forestal, entre muchos otros. En esta ocasión, junto con la Fundación Bunge y Born, nos concentramos en su aplicación para la detección de basurales a cielo abierto, una problemática que afecta en particular al sur global
Los basurales a cielo abierto no sólo afectan el medioambiente -representan aproximadamente un 27% de la eliminación y el tratamiento de residuos en América Latina y el Caribe- sino que repercuten en aspectos sociales y económicos de la sociedad, afectando principalmente a grupos vulnerables.
¿Cómo puedo acceder y utilizar las herramientas?
Todas nuestras herramientas se encuentran disponibles en nuestro GitHub. Allí encontrarás el código y toda la documentación correspondiente para mayor detalle.
Sin embargo, en Dymaxion Labs buscamos eliminar las barreras de acceso y estar en contacto con la comunidad para resolver dudas. Por ello disponibilizamos el código comentado paso a paso en Google Collab, para que puedas entender en profundidad cada acción realizada y también para que puedas correrlo directamente desde la web.
Entre varios temas, conversamos sobre cómo descargar imágenes satelitales para realizar el análisis, cómo realizar el etiquetado de las imágenes, y qué porcentaje de datos utilizar para el entrenamiento y para validación según la cantidad de datos de base con los que contamos
A continuación te compartimos los links para acceder al código y el video tutorial para que puedas poner manos a la obra.
Tanto las imágenes como nuestras librerías son open-source y cuentan con licencia para poder ser utilizadas con fines comerciales. Si quieres conocer más sobre nuestras soluciones o conversar sobre su aplicación a otros objetos y/o áreas, no dudes en contactarnos.
