Making Technology Work for Monitoring Pollinators
ANTENNA impulsa tecnologías innovadoras (visión por computador, robótica, drones y ciencia de datos) para mejorar el seguimiento de polinizadores y traducir múltiples flujos de datos en indicadores y forecasting de uso práctico para ciencia y políticas públicas.
Resumen rápido
- Co-diseño de herramientas automáticas para clasificación y cámara trampa de polinizadores.
- Integración de datos tradicionales y novedosos para indicadores tempranos y predicciones (corto–medio plazo).
- Despliegue transnacional y hoja de ruta para su adopción en redes de monitoreo europeas.
Proyecto enmarcado en Biodiversa+ (convocatoria Biodiversa 2022) y alineado con EU PoMS.
El proyecto
El objetivo general de ANTENNA es cubrir vacíos clave del monitoreo de polinizadores avanzando tecnologías que complementen los esquemas europeos, y ofrecer canales probados desde la monitorización hasta datasets curados, indicadores y modelos de pronóstico con utilidad para gestores y responsables de políticas.
Objetivos específicos
- Avanzar herramientas de clasificación y ordenación automática de muestras.
- Expandir el seguimiento a taxones y entornos poco estudiados.
- Cuantificar valor añadido frente a métodos tradicionales (información vs. coste).
- Desarrollar un marco integrador de datos y modelos para early warning.
- Escalar a redes transnacionales con guías para su adopción.
Tecnologías clave: visión por computador, sensores automatizados, eDNA, UAV/LiDAR, y aprendizaje automático.
Datos administrativos (PCI)
Los detalles se corresponden con el informe de seguimiento intermedio (AEI).
Consorcio
El consorcio integra competencias en ingeniería, IA, ecología de polinizadores, teledetección y modelización ecológica. Instituciones: UFZ (Alemania), Naturalis (Países Bajos), CSIC y UPM (España), AU (Dinamarca), TCD (Irlanda), y UAegean (Grecia).
Resultados y avances
Desarrollo de modelos y librería
- Librería en Python para predicciones a largo plazo (primer prototipo público próximamente).
- Modelos de tendencia tipo S (signo de cambio) y tipo M (abundancias).
- Primeras pruebas con reservoir computing dentro de las técnicas de machine learning.
Datos y preparación
- Datos de polinizadores (EBD-CSIC), mariposas (UFZ, eBMS) y datos públicos para validación.
- Integración de datos abióticos (temperatura, humedad, etc.) desde el API de Copernicus.
- Limpieza y estandarización intensiva para múltiples fuentes heterogéneas.
Difusión
- Póster del proyecto en FisEs 2025 (Santiago de Compostela).
- Próxima demo de herramienta sencilla con modelos iniciales.
Descargas previstas: póster, documentación técnica y repositorio (cuando estén disponibles).
Eventos y formación
Hitos del proyecto
- Kick-off del consorcio (UFZ, Alemania, 2024).
- Reunión intermedia (EBD-CSIC, Sevilla, 2024): adopción de estándares EFI para salidas de modelos.
Formación
- Introducción a la IA para investigación (ICE, UPM, Madrid, 23–25 abril 2025).
Financiación y reconocimientos
Proyecto PCI2023-145956-2 financiado por el Ministerio de Ciencia, Innovación y Universidades — Agencia Estatal de Investigación (AEI) y por la Unión Europea.
Texto sugerido: «Proyecto PCI2023-145956-2 financiado por MCIN/AEI/10.13039/501100011033 y por la Unión Europea».
Contacto
IP: Javier R. Galeano Prieto · UPM
Para consultas del proyecto o colaboración, por favor, escriba al equipo UPM.