La vista, los mosquitos y las máquinas
En Datos Argentina usamos técnicas de visión computacional para monitorear la población de mosquitos Aedes. ¿Te picó la curiosidad? ¡Te contamos todo!
La vista
La facilidad con la que vemos nos engaña de una manera irresistible. Abrimos los ojos y con una ausencia de esfuerzo espeluznante, vemos. Pero no una colección de parches claroscuros sueltos o nubes errantes de color proyectadas en nuestras retinas. Vemos interpretaciones: una pareja abrazada subiendo por una escalera mecánica; la más baja de las chicas con una pierna descansando el peso en el escalón de más arriba.
¿Qué hacemos para ver? ¿Cómo pasamos de un desorden inconexo de puntos verdes, grises y celestes a decir: “¡Es una manzana! ¡Clavada en la punta de un paraguas, con un cielo de fondo!”? Sorprendentemente, una gran parte de ese proceso es aprendido. Es decir que nuestra experiencia e interacción con el mundo va forjando la arquitectura de nuestro cerebro para permitirnos ver. Todo ocurre subterráneamente, desde que nacemos y sin que nos demos cuenta. Es tan automático que se vuelve inevitable y hace que nos parezca que las cosas son como las vemos y no que nuestra percepción es una interpretación. Incluso una tarea visual que requiere que la entrenemos específicamente se vuelve incontrolablemente automática. Intenten mirar la palabra que sigue más abajo concentrándose en el color, la curvatura de cada letra, el grosor del trazo pero… ¡No la lean!
Es a la vez inevitable e inexplicable. Son procesos a los que no tenemos acceso consciente y en esos casos la introspección nos ayuda poco. Tenemos que valernos de otras herramientas para intentar entenderlos. A eso se dedican muchas mujeres y hombres alrededor del mundo. Usando el método científico, buscan entender cómo son las distintas etapas físicas, químicas y mentales de la percepción visual. Pero, ¿qué tiene que ver todo esto con el control de los mosquitos?
Los mosquitos
Una de las formas de monitoreo de la población de mosquitos más usadas alrededor del mundo es mediante sensores de ovipostura. Se trata de pequeños dispositivos que sirven para detectar la presencia de mosquitos del género Aedes en una dada zona.
Los ovisensores están compuestos usualmente por un contenedor opaco con agua y algún sustrato para que la hembra de mosquito deposite sus huevos (madera, tela, papel). El sensor debe ser revisado regularmente para evaluar la presencia de huevos y reemplazar el sustrato. Esto último es importante para evitar que el recipiente se convierta en un criadero. Más abajo pueden ver un ejemplo de un sustrato positivo (van a tener que hacer zoom para notarlo):
Esta es la parte en la que empiezan a juntarse nuestras dos historias. Es la mirada del ojo experto de una investigadora la que decide si el detector resulta positivo. Son los años de entrenamiento que tiene su corteza visual que le permiten en pocos segundos darse cuenta de si en esa maderita hay o no huevos de mosquito. Con un poco de paciencia, puede contar también cuántos son pero la tarea es costosa, sobre todo si se piensa en repetirla todas las semanas para cientos de ovisensores. Si pudiésemos entender los mecanismos que ocurren en la cabeza de la investigadora podríamos imaginar alguna forma de reproducirlos sintéticamente, de simularlos en una computadora.
Las máquinas
El área dentro de las Ciencias de la Computación que inventa las recetas, los algoritmos, que le permitan a las máquinas realizar tareas de percepción visual se llama Visión Computacional. En rigor, a esta disciplina no le interesa particularmente entender cómo es que los humanos vemos, sino que busca crear estrategias para que las máquinas vean, aunque los mecanismos sean completamente inverosímiles para un sistema biológico. De todos modos, ambos campos se enriquecen e influencian mutuamente porque los dos se enfrentan a los mismos problemas: ¿Cómo se separa una figura del fondo? ¿Cómo se reconoce un objeto independientemente del punto de vista? ¿Cómo se identifica una emoción en una cara?, por mencionar algunos.
En nuestro equipo usamos algunas de las técnicas más básicas del campo de la visión computacional para ayudar a mejorar el flujo de análisis de datos de ovisensores. Desarrollamos un paquete que permite identificar huevos de mosquito en fotos de los sustratos de los sensores. El código está disponible para que quien quiera lo pueda usar, modificar ¡y mejorar! El primer prototipo fue puesto a punto junto con el equipo de Epidemiología del Gobierno de la Ciudad de Buenos Aires y con ayuda del Grupo de Estudio de Mosquitos de la Universidad de Buenos Aires.
El proceso de detección se divide esencialmente en dos etapas. En un primer procesamiento, extraemos los bordes de la imagen. Es decir que pasamos de la imagen original a una que tiene solo dos colores que indican en cada punto si pertenece o no a un borde. Esto es análogo a lo que hacen las áreas visuales tempranas de nuestros cerebros: extraen segmentos orientados para armar los contornos de los objetos. A modo de ejemplo acá se muestra una imagen antes y después de ese procesamiento:
A partir de la información de los bordes podemos extraer la posición del sustrato (en nuestro caso, el bajalenguas de madera). En la segunda etapa, buscamos elipses oscuras que corresponden a los huevos de mosquito dentro de la región hallada en la etapa anterior. Con esta técnica podemos contar cuántas elipses encontramos. Si te interesa saber más sobre los detalles del proceso podés leer la documentación del proyecto.
La incorporación de este desarrollo fue posible porque el área de epidemiología del GCBA ya contaba con un sistema para centralizar las imágenes de sus ovisensores. El sistema es ahora más complejo que el sistema original manual. Involucra cámaras de celulares, archivos de imágenes viajando por internet y algoritmos de análisis pero, paradójicamente, es más fácil de usar. En cierto sentido es parecido a lo que pasa con nuestra propia vista. La facilidad con la que vemos es, en realidad, complejidad barrida debajo de la alfombra.
