Embedded Computer Vision Systems for Anomaly Detection and Biodiversity Indicator Analysis in Proactive Ecosystem Management

La conservació de la biodiversitat i la monitorització ambiental són reptes de gran rellevància en un context marcat pel canvi climàtic i la pèrdua accelerada d’espècies. En aquest escenari, les tecnologies de visió per computador i l’aprenentatge profund ofereixen noves oportunitats per automatitzar tasques com la identificació, el recompte i el seguiment d’espècies, així com per analitzar el comportament animal en diferents entorns. L’objectiu principal d’aquesta tesi és dissenyar i validar metodologies i eines basades en visió per computador que contribueixin a millorar la monitorització de la biodiversitat i del medi ambient. Els objectius específics inclouen: (i) el recompte automàtic d’espècies i la monitorització d’hàbitats en temps real; (ii) l’anàlisi del comportament d’animals domèstics abandonats; (iii) la creació de sistemes escalables de vigilància ecològica mitjançant arquitectures que combinen computació a l’edge i al núvol, i (iv) l’avaluació crítica de l’ús de models de llenguatge (LLMs) per a la monitorització ambiental i la detecció de desinformació. La recerca integra tècniques d’aprenentatge profund, detecció i seguiment d’objectes, processament de vídeo multihil i anàlisi automatitzada de dades ambientals. A més, s’han desenvolupat marcs metodològics reproductibles que aprofiten les capacitats de la computació distribuïda en el continuum edge-núvol. Els resultats mostren que és possible dissenyar solucions eficaces i adaptables per a la monitorització en entorns naturals i urbans. La tesi presenta avenços rellevants en la precisió del recompte automàtic d’espècies, eines per a la caracterització automatitzada del comportament animal i una avaluació crítica de les possibilitats i limitacions dels models de llenguatge aplicats a l’àmbit ambiental.Les contribucions d’aquest treball obren noves línies de recerca en visió per computador aplicada a la sostenibilitat i proporcionen eines útils per a iniciatives de conservació, gestió de fauna i monitorització ambiental en temps real.

Authors

Publication Details

Journal
Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Published
2026-01-21
Primary Topic
Species Distribution and Climate Change
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Embedded Computer Vision Systems for Anomaly Detection and Biodiversity Indicator Analysis in Proactive Ecosystem Management

Oluwakemi Akinwehinmi
Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Species Distribution and Climate Change
article

Embedded Computer Vision Systems for Anomaly Detection and Biodiversity Indicator Analysis in Proactive Ecosystem Management

Oluwakemi Akinwehinmi
article en

Abstract

La conservació de la biodiversitat i la monitorització ambiental són reptes de gran rellevància en un context marcat pel canvi climàtic i la pèrdua accelerada d’espècies. En aquest escenari, les tecnologies de visió per computador i l’aprenentatge profund ofereixen noves oportunitats per automatitzar tasques com la identificació, el recompte i el seguiment d’espècies, així com per analitzar el comportament animal en diferents entorns. L’objectiu principal d’aquesta tesi és dissenyar i validar metodologies i eines basades en visió per computador que contribueixin a millorar la monitorització de la biodiversitat i del medi ambient. Els objectius específics inclouen: (i) el recompte automàtic d’espècies i la monitorització d’hàbitats en temps real; (ii) l’anàlisi del comportament d’animals domèstics abandonats; (iii) la creació de sistemes escalables de vigilància ecològica mitjançant arquitectures que combinen computació a l’edge i al núvol, i (iv) l’avaluació crítica de l’ús de models de llenguatge (LLMs) per a la monitorització ambiental i la detecció de desinformació. La recerca integra tècniques d’aprenentatge profund, detecció i seguiment d’objectes, processament de vídeo multihil i anàlisi automatitzada de dades ambientals. A més, s’han desenvolupat marcs metodològics reproductibles que aprofiten les capacitats de la computació distribuïda en el continuum edge-núvol. Els resultats mostren que és possible dissenyar solucions eficaces i adaptables per a la monitorització en entorns naturals i urbans. La tesi presenta avenços rellevants en la precisió del recompte automàtic d’espècies, eines per a la caracterització automatitzada del comportament animal i una avaluació crítica de les possibilitats i limitacions dels models de llenguatge aplicats a l’àmbit ambiental.Les contribucions d’aquest treball obren noves línies de recerca en visió per computador aplicada a la sostenibilitat i proporcionen eines útils per a iniciatives de conservació, gestió de fauna i monitorització ambiental en temps real.

Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya)
Openalex Percentile: Top 66%
Species Distribution and Climate Change
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.

Embedded Computer Vision Systems for Anomaly Detection and Biodiversity Indicator Analysis in Proactive Ecosystem Management — Oluwakemi Akinwehinmi · Tesis Doctorals en Xarxa (Consorci de Serveis Universitaris de Catalunya) (2026) | TGRS Research Map | TGRS