ES2972162T3

ES2972162T3 - Sistema y método de detección de animales voladores

Info

Publication number: ES2972162T3
Application number: ES17797160T
Authority: ES
Inventors: Krzysztof Paszek; Michal Danielowski
Original assignee: Bioseco Spolka Akcyjna
Current assignee: Bioseco Spolka Akcyjna
Priority date: 2016-11-11
Filing date: 2017-11-13
Publication date: 2024-06-11
Anticipated expiration: 2037-11-13
Also published as: EP3537875A1; CN110167344B; BR112019009599A2; PL3537875T3; WO2018087354A9; GB2555836A; CA3043400C; AU2017359142A1; US20200257896A1; EP3537875B1; EP3537875C0; CA3043400A1; WO2018087354A1; AU2017359142B2; US11093738B2; CN110167344A

Abstract

Un sistema para detectar animales voladores, comprendiendo el sistema: un módulo de detección configurado para detectar animales voladores; un módulo de procesamiento local asociado con el módulo de detección y configurado para eliminar el ruido de fondo de los datos recopilados por el módulo de detección; un módulo de análisis configurado para recibir datos del módulo de procesamiento local y procesar dichos datos para determinar la presencia de animales voladores y clasificar dichos animales voladores por especie; y un disuasivo configurado para repeler una o más especies de animales voladores basándose en la clasificación de animales voladores detectados. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN

Sistema y método de detección de animales voladores

La presente invención describe sistemas y métodos para animales voladores.

Los animales voladores pueden representar una amenaza significativa para aeronaves, turbinas eólicas y otras instalaciones de alto valor. Un impacto de pájaro en una aeronave podría resultar en el accidente de la aeronave con la pérdida resultante de vidas o, como mejor escenario, podría resultar en daño a la aeronave que requiere que la aeronave esté en tierra mientras se inspecciona y repara. De manera similar, un impacto de pájaro en una pala de turbina eólica podría dañar la pala haciendo que la turbina eólica no funcione.

Además del daño potencial de la instalación o de la aeronave, los operadores de la instalación pueden ser multados si son encontrados responsables de lesiones o muerte de especies particulares de aves o murciélagos. También es deseable prevenir la lesión o la muerte de especies protegidas de aves o murciélagos desde una perspectiva moral y ambiental.

El documento WO 2016028922 describe un controlador para recibir y analizar imágenes de los sensores de formación de imágenes para enviar automáticamente una señal para reducir la operación de la turbina eólica, cuando el controlador determina a partir de las imágenes que un animal en el aire está en riesgo por la turbina eólica.

El documento WO 2015139091 se refiere a un sistema para proteger activos tales como cultivos del animal objetivo mediante la detección de los animales objetivo en un área protegida. Se describe un sistema para detectar animales objetivo en áreas protegidas usando un vehículo aéreo no tripulado (UAV) para interceptar al animal objetivo. Se describe un sistema para detectar animales objetivo en un área protegida, dicho sistema realiza los pasos de convertir luz visual en una secuencia de imágenes digitales; identificar objetos en la secuencia de imágenes digitales; para cada uno de los objetos, generar datos de objeto que representan al menos uno de posición; velocidad; y tamaño; y detectar animales objetivo comparando datos de objeto generados para cada uno de dichos objetos con datos de objeto conocidos para animales objetivo.

El documento JP 5486000 B2 describe un método de iluminación, que comprende los pasos de emitir luz adecuada para proporcionar iluminación para actividades humanas; detectar una señal de indicación de animal indicativa de la presencia de un animal; cambiar temporalmente al menos una propiedad de la luz en respuesta a la presencia detectada del animal. También se describe que la intensidad de la luz puede incrementarse temporalmente con el fin de evitar que los animales entren en el posible peligro para su entorno, tal como autopistas de tráfico pesado o pistas de aeropuerto.

El documento WO 2006118449 se refiere a un aeropuerto que comprende una pista, además de un sistema para evitar las aves en la proximidad de la pista, en donde el sistema comprende medios de detección de aves y medios de repulsión de aves. Además, las zonas de detección en un primer grupo se encuentran más cerca de la pista que las zonas de detección en un segundo grupo. Los medios de detección de aves están adaptados para detectar la presencia de aves en diferentes zonas de detección en las proximidades de la pista y para activar un medio de repulsión de aves en cada zona.

El documento US 2016/055400 describe sistemas de detección y sistemas relacionados para detectar objetos en movimiento en un espacio aéreo que rodea el sistema de detección. En un aspecto, el objeto en movimiento es un animal volador y el sistema de detección comprende un primer formador de imágenes y un segundo formador de imágenes que determina la posición del objeto en movimiento y para mover objetos dentro de una distancia seleccionada por el usuario del sistema, el sistema determina si el objeto en movimiento es un animal volador, tal como un pájaro o murciélago. Los sistemas y métodos son compatibles con las turbinas eólicas para identificar aves de interés en el espacio aéreo alrededor de las turbinas eólicas y, si es necesario, tomar medidas para minimizar el impacto de aves por una pala de turbina eólica. También describe el algoritmo que trata con el reconocimiento de patrones (denominado como algoritmo de imagen de referencia). El algoritmo determina características particulares como la forma de las alas, posición aviar, velocidad y relación de anchura y altura de la envergadura del ala. Esto conduce al reconocimiento de especies y requiere imágenes de alta resolución. Por lo tanto, esta solución requiere un "segundo dispositivo de imagen de alto zoom" adicional que podría ser la estereovisión de zoom.

Sin embargo, sigue existiendo la necesidad de sistemas y métodos para detectar, clasificar y disuadir animales voladores que permitan la operación en tiempo real y la activación muy temprana de medidas disuasorias, así como sistemas y métodos con una mejor previsibilidad de la trayectoria de vuelo de animales voladores detectados.

En este contexto ha surgido la presente invención.

Compendio

Según un primer aspecto de la invención, se proporciona un sistema para detectar, clasificar y disuadir en tiempo real animales voladores, el sistema comprende: al menos un módulo de detección configurado para detectar animales voladores que comprende

un par de unidades esclavas, comprendiendo cada unidad esclava un detector de movimiento configurado para detectar y registrar el movimiento en un entorno objetivo y un módulo de procesamiento local que comprende un microprocesador para procesar datos grabados y una memoria para almacenar tanto datos grabados como procesados, estando configurado el módulo de procesamiento local para calcular el tamaño de al menos un animal volador y su posición en un espacio bidimensional para un procesamiento adicional;

una unidad maestra que comprende un módulo de análisis configurado para recibir dichos datos procesados del módulo de procesamiento local de cada una de las unidades esclavas dentro del módulo de detección y para procesar dichos datos para determinar la presencia de al menos un animal volador determinando las coordenadas tridimensionales de dicho al menos un animal volador, para clasificar dicho al menos un animal volador por especies y para determinar una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés; y

un elemento disuasorio configurado para repeler una o más especies de animales voladores con base en la clasificación de al menos un animal volador detectado y en la probabilidad determinada de colisión de dicho al menos un animal volador con el objeto de interés.

Ventajosamente, al menos uno del primer detector de movimiento de la primera unidad esclava y/o el segundo detector de movimiento de la segunda unidad esclava es uno entre: una cámara, cámara estereoscópica, cámara direccional, cámara esférica o cámara térmica, radar, radar Doppler, radar de ruido o radar de ondas continúas moduladas por frecuencia, dispositivo acústico, micrófono direccional o un grabador de ultrasonido.

Ventajosamente, el módulo de procesamiento local está configurado para comparar los datos registrados por el primer detector de movimiento de la primera unidad esclava y el segundo detector de movimiento de la segunda unidad esclava para identificar el ruido de fondo constante.

Ventajosamente, el módulo de procesamiento local está configurado además para aplicar umbral a los datos registrados por el primer detector de movimiento de la primera unidad esclava y el segundo detector de movimiento de la segunda unidad esclava para segmentar los datos y desenfocar el ruido de fondo. Ventajosamente, el sistema comprende un radar para calcular la altura de al menos un animal volador.

Ventajosamente, el sistema comprende uno o más sensores ambientales para medir las condiciones ambientales.

Ventajosamente, uno o más sensores ambientales comprenden uno o una combinación de sensores de temperatura, sensores de humedad, sensores de dirección del viento, sensores de velocidad del viento, sensores de presión atmosférica, sensores de precipitación o analizadores de gas.

Ventajosamente, la detección, clasificación y disuasión de animales voladores se realiza en al menos una de la primera, segunda y tercera zonas de detección, en donde la primera, segunda y tercera zonas de detección se definen con respecto a un punto de referencia predeterminado colocado en una ubicación del objeto de interés, en donde la tercera zona de detección es la más cercana al punto de referencia predeterminado, la primera zona de detección es la más alejada del punto de referencia predeterminado, y la segunda zona de detección está entre la primera y tercera zonas de detección y los elementos disuasorios se activan además dependiendo de la presencia detectada de al menos un animal volador en la zona de detección, de manera que se activa un primer elemento disuasorio cuando al menos un animal volador se detecta dentro de la segunda zona de detección y se activa un segundo elemento disuasorio cuando se detecta al menos un animal volador dentro de la tercera zona de detección

Según otro aspecto de la invención, se proporciona un método de detección, clasificación y disuasión en tiempo real de animales voladores, comprendiendo el método:

a) capturar al menos dos flujos de datos de un ambiente objetivo por un par de unidades esclavas comprendidas en al menos un módulo de detección, cada unidad esclava comprendiendo un detector de movimiento configurado para detectar y registrar el movimiento en dicho entorno objetivo

b) con base en dichos flujos de datos capturados, calcular mediante el módulo de procesamiento local comprendido en cada una de la unidad esclava el tamaño de al menos un animal volador y su posición en el espacio bidimensional para procesamiento adicional

c) analizar por la unidad maestra los datos procesados recibidos del módulo de procesamiento local de cada uno de los pares de unidades esclavas y procesar dichos datos para determinar la presencia de al menos un animal volador mediante la determinación de las coordenadas tridimensionales de dicho al menos un animal volador, clasificar dicho al menos un animal volador por especies y determinar una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés;

d) activar un elemento disuasorio configurado para repeler una o más especies de animales voladores con base en la clasificación de al menos un animal volador detectado y en la probabilidad determinada de colisión de dicho al menos un animal volador con el objeto de interés.

Ventajosamente, si los al menos dos flujos de datos capturados son flujos de imagen, entonces el paso de calcular el tamaño de al menos un animal volador y su posición en el espacio bidimensional comprende: ii) convertir cada fotograma asociado de cada flujo de imagen en forma binaria;

iii) comparar fotogramas binarios asociados de cada flujo de imágenes para identificar al menos un animal volador;

iv) aplicar umbrales a cada fotograma para dividir los datos en segmentos; y

v) determinar el tamaño y la posición bidimensional de cada animal volador.

Ventajosamente, el paso de determinación de la presencia de al menos un animal volador determinando las coordenadas tridimensionales de dicho al menos un animal volador, clasificando dicho al menos un animal volador por especie y determinando una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés comprende los pasos de:

i) combinar una pluralidad de fotogramas de imagen codificados por tiempo para derivar una imagen compuesta;

ii) usar la imagen compuesta para determinar coordenadas cartesianas para uno o más animales voladores; iii) agrupar animales voladores individuales;

iv) aplicar filtrado de Kalman a cada grupo de animales voladores;

v) clasificar cada animal volador por especies;

vi) predecir al menos las trayectorias de vuelo de un animal volador; y

vii) proporcionar una probabilidad de colisión de al menos un animal volador con dicho objeto de interés. Ventajosamente, el método comprende los pasos adicionales de:

viii) generar una alarma si se determina que al menos un animal volador detectado puede colisionar con el objeto de interés; y

ix) desplegar un elemento disuasorio para repeler al menos un animal clasificado.

Ventajosamente, el paso de predecir al menos las trayectorias de vuelo de un animal volador comprende los pasos de:

i) comparar un subconjunto instantáneo de datos para una especie animal identificada con un subconjunto almacenado de datos para la misma especie animal;

ii) extraer datos de la trayectoria de vuelo del subconjunto de datos almacenado;

iii) extrapolar datos de trayectoria de vuelo a partir de los datos de subconjunto instantáneos basados en datos de trayectoria de vuelo a partir del subconjunto de datos almacenado; y

iv) generar una o más predicciones de trayectoria de vuelo usando una red neuronal.

Ventajosamente, la detección, clasificación y disuasión de animales voladores se realiza en al menos una de la primera, segunda y tercera zonas de detección, en donde la primera, segunda y tercera zonas de detección se definen con respecto a un punto de referencia predeterminado colocado en una ubicación del objeto de interés, en donde la tercera zona de detección es más cercana al punto de referencia predeterminado, la primera zona de detección está más alejada del punto de referencia predeterminado, y la segunda zona de detección está entre la primera y tercera zonas de detección y los elementos disuasorios se activan además dependiendo de la presencia detectada de al menos un animal volador en la zona de detección, de manera que se activa un primer elemento disuasorio cuando al menos un animal volador se detecta dentro de la segunda zona de detección y se activa un segundo elemento disuasorio cuando se detecta al menos un animal volador dentro de la tercera zona de detección

Además, la descripción también proporciona un sistema para detectar, clasificar y disuadir aves y/o murciélagos, el sistema comprende: un módulo de detección configurado para detectar objetos voladores que entran en una primera zona de detección; un módulo de análisis para determinar si un objeto volador dentro de la primera zona de detección es un ave o un murciélago; y un primer elemento disuasorio configurado para activarse después de la determinación de que un objeto volador dentro de la primera zona de detección es un ave o un murciélago y dicho ave o murciélago entra en una segunda zona de detección, en donde la segunda zona de detección está más cerca de un punto de referencia predeterminado que la primera zona de detección.

Dicho sistema está optimizado para detectar y clasificar objetos voladores a una distancia desde un punto de referencia predeterminado u objeto de interés. Para cuando el objeto se aproxime a la segunda zona de detección, el sistema habrá determinado si el objeto volador es un animal, es decir, o un ave o murciélago. Si se determina que el objeto es un animal y el animal entra en la segunda zona de detección, se activa un elemento disuasorio. Al determinar si el objeto es un animal mientras el animal está en la primera zona de detección, se reducen los falsos positivos y el elemento disuasorio solo se activa cuando se requiere para disuadir a un animal de alejarse del punto de referencia predeterminado. Activando solo el elemento disuasorio cuando se requiere, se minimiza la molestia innecesaria a los vecinos cercanos al punto de referencia predeterminado.

El sistema puede comprender además una tercera zona de detección que está más cerca del punto de referencia predeterminado que la primera zona de detección y la segunda zona de detección.

El sistema puede comprender además un segundo elemento disuasorio que puede funcionar para activarse tras la aproximación a la tercera zona de detección por un ave o un murciélago.

El primer elemento disuasorio puede ser visual y el segundo elemento disuasorio puede ser audible.

El uso de un elemento disuasorio visual antes de un elemento disuasorio audible es ventajoso ya que un elemento disuasorio visual probablemente sea menos intrusivo para los vecinos que un disuasivo audible. El elemento disuasorio audible se activa como un último recurso para disuadir a los animales que no han sido disuadidos por el elemento disuasorio visual.

La primera zona de detección puede estar a 500-1000 metros del punto de referencia predeterminado. La segunda zona de detección puede estar a 250-500 metros del punto de referencia predeterminado. La tercera zona de detección puede estar a menos de 250 metros del punto de referencia predeterminado.

Además, la descripción también proporciona un sistema para detectar, clasificar y disuadir aves y murciélagos, el sistema comprende: un módulo de detección configurado para detectar aves y/o murciélagos; un módulo de procesamiento local asociado con el módulo de detección y configurado para eliminar el ruido de fondo de los datos recopilados por el módulo de detección; un módulo de análisis configurado para recibir datos del módulo de procesamiento local y procesar dichos datos para determinar la presencia de aves y/o murciélagos y clasificar dichas aves y/o murciélagos por especies; y un elemento disuasorio configurado para repeler una o más especies de aves y/o murciélagos basado en la clasificación de aves y/o murciélagos detectados.

El procesamiento local de datos grabados para generar un subconjunto de datos objetivo reduce el tiempo de transmisión para enviar datos de núcleo para análisis por una unidad de análisis centralizada. La configuración reivindicada permite que múltiples flujos de datos sean recolectados y procesados en tiempo real para detectar, clasificar y disuadir a aves y/o murciélagos de un área objetivo.

El sistema es capaz de detectar objetos que vuelan hasta 200 metros lejos de cada módulo de detección dentro de un entorno objetivo. Los objetos más grandes (tales como aves que tienen una envergadura de ala > 1 metro) pueden detectarse hasta 400 metros lejos de un módulo de detección. Las pruebas han demostrado que el sistema es capaz de detectar hasta el 90% de las aves durante el día con una precisión del 80% de la predicción de la trayectoria de vuelo en un intervalo de 100 metros desde un objeto objetivo. El sistema también se ha probado para mostrar que solo se encuentran 2-3 detecciones de falsos positivos por día (con base en un promedio anual).

Además, la descripción también proporciona un método para detectar objetos en datos de imagen en tiempo real, el método comprende: i) capturar al menos dos flujos de imagen de un entorno; ii) convertir cada fotograma asociado de cada flujo de imagen en forma binaria; iii) comparar los fotogramas binarios asociados de cada flujo de imagen para identificar objetos no ambientales; iv) aplicar umbrales a cada fotograma para dividir los datos en segmentos; y v) determinar el tamaño y la posición bidimensional de cada objeto no ambiental.

Además, la divulgación también proporciona un método para clasificar objetos en datos de imagen en tiempo real, el método comprende: i) combinar una pluralidad de marcos de imagen codificados por tiempo para derivar una imagen compuesta; ii) usar la imagen compuesta para determinar coordenadas cartesianas para uno o más objetos no ambientales; iii) agrupar objetos no ambientales individuales; iv) aplicar filtrado de Kalman a cada grupo de objetos no ambientales; v) clasificar cada objeto no ambiental por especies animales; vi) predecir trayectorias de vuelo de objeto; y vii) proporcionar una probabilidad de colisión con un objetivo predeterminado.

Además, la descripción también proporciona un método para predecir trayectorias de vuelo de aves o murciélagos, el método comprende: i) comparar un subconjunto instantáneo de datos para una especie de ave o murciélago identificada con un subconjunto almacenado de datos para la misma especie de ave o murciélago; ii) extraer datos de trayectorias de vuelo del subconjunto almacenado de datos; iii) extrapolar datos de trayectorias de vuelo de los datos de subconjunto instantáneos con base en datos de trayectorias de vuelo del subconjunto almacenado de datos; y generar más predicciones de trayectorias de vuelo.

Figuras

La invención se describirá a continuación haciendo referencia a las siguientes figuras:

La Figura 1 muestra un ejemplo de un sistema según una realización de la invención;

la Figura 2 muestra un ejemplo de un sistema según una realización de la invención;

la Figura 3 ilustra una realización de la invención que utiliza un filtro de Kalman y una red neutra artificial;

la Figura 4 ilustra una realización particular de la invención de las figuras 1 y 2; y

la Figura 5 ilustra un sistema para detectar murciélagos

Descripción

En la figura 1 se muestra una versión simplificada de un sistema 10 según la presente invención. El sistema comprende una unidad 12 maestra con la que uno o más pares de unidades 14 esclavas están en comunicación. Las unidades 14 esclavas están dispuestas en pares, definiendo cada par un módulo de detección. Cada unidad 14 esclava comprende un detector 16 de movimiento configurado para detectar y registrar el movimiento en un entorno objetivo, una unidad central de procesamiento (CPU) o microprocesador 18 para procesar los datos grabados y una memoria 20 para almacenar tanto los datos grabados como los procesados. Cada unidad esclava está conectada a la unidad maestra por medios 22 de comunicación apropiados tales como Ethernet, WIFI, Bluetooth® o GSM. Cada detector 16 de movimiento asociado con una unidad 14 esclava se enfoca en la misma zona de vigilancia alrededor de un objeto de interés.

En la realización ilustrada en la figura 2, cada detector 16 de movimiento incluye una cámara que podría ser, cámaras direccionales, cámaras esféricas, cámaras térmicas, o una combinación de las mismas. Cada cámara graba datos de imagen relativos a la misma área objetivo. Los datos de imagen grabados se almacenan en la memoria 20 asociada con cada unidad 14 esclava respectiva y se procesan por la CPU o el microprocesador 18 para convertir cada fotograma de los datos de imagen en formato binario. Cada imagen binaria se divide en pixeles que tienen un valor blanco o un valor negro. Se usa un primer proceso de umbral para identificar si cada pixel debe establecerse como blanco o negro. Cada unidad 14 esclava utiliza software dedicado para procesar fotogramas de imagen grabados por la cámara 16 asociada .

Los datos de imagen binaria de cada unidad 14 esclava se comparan para identificar cualquier diferencia entre los fotogramas capturados. Después se aplica un umbral a cada fotograma para segmentar la imagen binaria. Cualquier elemento de fondo constante se desenfoca y el umbral se aplica de nuevo a cada fotograma para identificar claramente solo esa parte de cada fotograma que es de interés. En otras palabras, como el número de fotogramas almacenadas en relación con cada grabación es n>2 o n=2, el valor de diferencia absoluta entre los fotogramas puede calcularse para garantizar que solo los objetos en movimiento dentro de los fotogramas capturados se retienen para análisis adicionales. La imagen resultante es entonces desenfocada usando desenfoque gaussiano o suavizado gaussiano para eliminar cualquier discontinuidad introducida en la imagen por el primer proceso de umbral. A continuación se aplica una segunda etapa de umbral para eliminar el ruido no deseado de la imagen resultante y para reducir el número de detalles que no se relacionan con objetos en movimiento.

Se aplica un contorno a la imagen después de completar el segundo paso de umbral. El contorno es analizado por la unidad esclava para determinar si el tamaño del contorno cae entre los umbrales superior e inferior. Si el tamaño del contorno es menor que un umbral inferior o mayor que el umbral superior, la imagen no se analiza más, ya que el sistema supone que el objeto no es un murciélago o un ave. Siempre que el tamaño del contorno esté entre los umbrales inferior y superior, la localización del objeto se calcula usando el método de centroide. El centroide de una figura plana (contorno de objeto) X se calcula mediante un método de momento de imagen bien conocido. Centroide:

(1i,fy>l.riüüLÍÍü.

Los momentos centrales de la imagen digital f(x, y) se definen como:

El tamaño de contorno calculado del objeto y su posición se envían entonces a la unidad maestra para procesamiento adicional.

La unidad 12 maestra combina datos recibidos de cada uno del par de unidades 14 esclavas asociadas con un módulo de detección. Los datos combinados se analizan para eliminar todos los objetos que no son aves/murciélagos. La unidad 12 maestra determina el tamaño de contorno, velocidad, posición y coordenadas x, y, z de un objeto usando el sistema cartesiano 3D. Las coordenadas 3D se determinan usando los datos de imagen 2D enviados desde el par de unidades 14 esclavas y analizando la diferencia absoluta entre la posición del objeto detectado como se identifica en los datos de imagen 2D.

Todos los objetos identificados en los datos de imagen 2D se agrupan con base en el error cuadrado medio (mse) entre las posiciones:

1 1

mse = - { y a - y b) - {xa - x b)

y sus posiciones verdaderas se calculan usando un filtro de Kalman aplicado a una pluralidad de fotogramas grabados durante un período de tiempo. Donde a y b en la ecuación define los fotogramas de cada uno de un par de unidades 14 esclavas.

Los datos analizados se usan para calcular una trayectoria de vuelo predicha de cada objeto de ave/murciélago registrado y para calcular la probabilidad de una colisión con un objeto de interés, es decir, una aeronave, turbina eólica u otra instalación de alto valor. En el caso de que se determine que es probable que un ave/objeto malo colisione con un objeto de interés o entre en una zona objetivo predeterminada, la unidad maestra está configurada para activar automáticamente una alarma para advertir del riesgo de un impacto de ave/murciélago y/o desplegar contramedidas disuasorias para repeler a las aves/murciélagos en las proximidades lejos del objeto de interés.

Todos los datos registrados relacionados con aves/murciélagos se almacenan en una base de datos centralizada junto con trayectorias de vuelo calculadas, hora del día y otra información relevante tal como grabaciones de audio. Los datos almacenados se usan para clasificar el tipo de ave/murciélago que se ha registrado por especie. Esta clasificación se usa para seleccionar una contramedida disuasoria apropiada para el tipo de ave/murciélago registrado. Los datos almacenados también se usan para mejorar la precisión de la predicción de la trayectoria de vuelo y los cálculos de probabilidad de colisión al aplicar un algoritmo apropiado a un subconjunto de datos relacionados con una especie particular de ave/murciélago.

Para minimizar los errores en la posición calculada y para predecir la trayectoria de vuelo de un objeto ave/murciélago, se usa un filtro de Kalman extendido combinado con una red neuronal. El siguiente algoritmo se usa para predecir la trayectoria de vuelo de un objeto ave/murciélago:

donde:

x, y - Coordenadas cartesianas determinadas por las cámaras

r,9- coordenadas polares del objeto detectado.

El Jacobiano de la ecuación de medición:

La ecuación de actualización de medición:

Matriz jacobiana:

En la figura 3 se presenta la combinación del filtro de Kalman con la red neuronal artificial. Las coordenadas polares determinadas r,9de un número de posiciones previas del objeto se aplican a una red neuronal de alimentación directa artificial (ANN) de veinticinco neuronas en una primera capa y diez en una segunda capa. La tarea de ANN es predecir el vector de traza del ave en el intervalo de la zona 24 de detección . La exactitud y precisión de la predicción de la traza de aves depende del número de puntos previos aplicados a la red y aumenta con el tiempo de observación. La red neuronal se suministra adicionalmente con información acerca del tamaño y/o velocidad del objeto detectado. Durante la primera semana de trabajo del sistema, los pesos y sesgos de la red neuronal se sintonizan con un algoritmo de retropropagación de Levenberg-Marquardt (trainlm) para adaptarse al comportamiento de sapiens particulares que se producen en un área geográfica dada. Como se muestra en la figura 4, la zona de detección comprende una primera zona 24a de detección a aproximadamente 500-1000 metros de un objeto de interés. Cuando un objeto volador entra en la primera zona 24a de detección , el sistema determina si el objeto volador es un ave o murciélago, como se ha descrito anteriormente, y su tamaño relativo, posición y trayectoria de vuelo prevista. A medida que el ave o murciélago entra en la segunda zona 24b de detección, el sistema activa un primer elemento disuasorio que puede ser un elemento disuasorio visual tal como luces estroboscópicas. Si el ave o murciélago entra posteriormente en una tercera zona 24c de detección que está a menos de 250 metros del objeto de interés, el sistema activa un segundo elemento disuasorio que puede ser un elemento disuasorio audible, tal como una sirena.

Aunque la invención se ha descrito con referencia a las unidades 14 esclavas que comprenden cada una un detector 16 de movimiento que es una cámara, se apreciará que se pueden usar otros dispositivos como detectores de movimiento, en particular dispositivos de radar o acústicos. El radar Doppler, el radar de ruido o los dispositivos de radar de ondas continúas moduladas en frecuencia o los dispositivos de micrófono direccional o grabador de ultrasonidos podrían usarse en lugar de una o más de las cámaras de una unidad 14 esclava .

Múltiples módulos de detección que comprenden una combinación de cámaras, radares y dispositivos acústicos pueden conectarse a la unidad 12 maestra . En un ejemplo, una unidad de detección comprende dos unidades 14 esclavas , comprendiendo cada unidad 14 esclava una cámara estereoscópica para calcular el tamaño y la posición 2D de un objeto. En otra realización, una unidad 14 esclava comprende una cámara estereoscópica y la otra unidad esclava comprende una unidad de radar para detectar la altura de un objeto o al menos un dispositivo acústico para grabar llamadas de ave/murciélago para ayudar en la clasificación de objetos.

Con el fin de mejorar el análisis local de los datos registrados por cada unidad 14 esclava , un módulo de monitorización ambiental puede estar asociado con cada unidad esclava. El módulo de monitorización ambiental comprende un número de diferentes sensores para monitorizar factores ambientales tales como temperatura, humedad, dirección del viento, velocidad del viento, presión atmosférica, volumen de precipitación, contenido de gas atmosférico, por ejemplo. Cada uno de estos factores es explicado por el software que procesa los datos grabados para calcular más exactamente el tamaño y la posición de los objetos grabados.

La capacidad de cada unidad 14 esclava para comunicarse con la unidad maestra es crítica para la detección, clasificación y disuasión en tiempo real de objetos de ave/murciélago. Para protegerse contra fallos de comunicación, cada unidad 14 esclava se comunica con la unidad 12 maestra usando varios protocolos de comunicación que incluyen: GPS, radio/satélite, comunicación por cable, iluminación IR, Ethernet o GSM, por ejemplo.

Para una aplicación de turbina eólica, se colocan módulos de detección y sensores ambientales en cada turbina para proporcionar protección para una instalación de parque eólico completa. Tras la detección de un objeto volador por un módulo de detección, los datos asociados se procesan para calcular el tamaño y la posición del objeto en dos dimensiones. Los datos resultantes se envían a la unidad 12 maestra para la clasificación de objetos y el análisis de la posición Cartesiana y la trayectoria de vuelo prevista. La posición y la trayectoria de vuelo pronosticada se usan para calcular la probabilidad de colisión con las palas de turbina eólica. Si el objeto detectado se clasifica como una especie protegida de ave o murciélago, la unidad maestra o bien instruye a las palas de turbina eólica para que disminuyan o se detengan o emite un elemento disuasorio para alentar a especies específicas de ave o murciélago a alejarse de la turbina eólica.

Para una instalación de aeropuerto, módulos de detección y sensores ambientales se colocan alrededor del aeropuerto de manera que al menos un módulo de detección cubre cada segmento del espacio aéreo que rodea el aeropuerto. Tras la detección de un objeto volador por un módulo de detección, los datos asociados se procesan para calcular el tamaño y la posición del objeto en dos dimensiones. Los datos resultantes se envían a la unidad 12 maestra para la clasificación de objetos y el análisis de la posición Cartesiana y la trayectoria de vuelo prevista. La posición y la trayectoria de vuelo pronosticada se usan para calcular la probabilidad de colisión con una aeronave o instalación terrestre o la probabilidad de que el objeto entre en un espacio aéreo predeterminado. La unidad 12 maestra está configurada para generar una alarma para alertar al control terrestre de la amenaza de ataque de aves/murciélagos y para desplegar contramedidas disuasorias para repeler a las aves/murciélagos de la zona.

En relación con un sistema para detectar murciélagos como se muestra en la figura 5, el detector de movimiento es un sensor de sonido para medir una señal ultrasónica emitida por murciélagos durante el vuelo. Dicho sistema comprende una pluralidad de sensores 26 ultrasónicos colocados alrededor de cada unidad esclava, normalmente separados alrededor de un perímetro de un metro. La señal ultrasónica grabada se muestrea a una frecuencia de 250 kHz y una resolución de 16 bits. El espectro de frecuencia se determina mediante la transformada de Fourier en la ventana de tiempo de 100 ms.

Cada unidad esclava está equipada con un sensor de sonido relevante. Los datos son procesados en tiempo real por la unidad esclava (simultáneamente con el análisis de imagen). Al servidor solamente se transfiere información acerca de frecuencias particulares que ocurren en la señal. Si la detección de murciélagos se confirma por el número de observaciones, la señal en el dominio de tiempo se transfiere a la unidad de servidor con el fin de calcular la posición real de murciélagos. La posición se calcula con base en el desplazamiento de fase entre la señal y la diferencia de tiempo de llegada.

Los expertos en la técnica apreciarán además que aunque la invención se ha descrito a modo de ejemplo con referencia a varias realizaciones, no se limita a las realizaciones descritas y que podrían construirse realizaciones alternativas sin apartarse del alcance de la invención como se define en las reivindicaciones adjuntas.

Claims

REIVINDICACIONES

1. Un sistema de detección, clasificación y disuasión en tiempo real de animales voladores, que comprende:

al menos un módulo de detección configurado para detectar animales voladores que comprende

un par de unidades (14) esclavas, comprendiendo cada unidad (14) esclava un detector (16) de movimiento configurado para detectar y registrar el movimiento en un entorno objetivo y un módulo de procesamiento local que comprende un microprocesador (18) para procesar datos grabados y una memoria (20) para almacenar tanto datos grabados como procesados, estando configurado el módulo de procesamiento local para calcular el tamaño de al menos un animal volador y su posición en un espacio bidimensional para un procesamiento adicional;

una unidad (12) maestra que comprende un módulo de análisis configurado para recibir dichos datos procesados del módulo de procesamiento local de cada una de las unidades (14) esclavas dentro del módulo de detección y para procesar dichos datos para determinar la presencia de al menos un animal volador determinando las coordenadas tridimensionales de dicho al menos un animal volador, para clasificar dicho al menos un animal volador por especies y para determinar una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés; y

2. El sistema según la reivindicación 1, en donde, al menos uno del primer detector (16) de movimiento de la primera unidad (14) esclava y/o el segundo detector (16) de movimiento de la segunda unidad (14) esclava es uno entre: una cámara, cámara estereoscópica, cámara direccional, cámara esférica o cámara térmica, radar, radar Doppler, radar de ruido o radar de ondas continúas moduladas por frecuencia, dispositivo acústico, micrófono direccional o un grabador de ultrasonido.

3. El sistema según la reivindicación 1, en donde el módulo de procesamiento local está configurado para comparar los datos registrados por el primer detector (16) de movimiento de la primera unidad (14) esclava y el segundo detector (16) de movimiento de la segunda unidad (14) esclava para identificar el ruido de fondo constante.

4. El sistema según la reivindicación 1, en donde el módulo de procesamiento local está configurado además para aplicar umbral a los datos registrados por el primer detector de movimiento de la primera unidad (14) esclava y el segundo detector de movimiento de la segunda unidad (14) esclava para segmentar los datos y desenfocar el ruido de fondo.

5. El sistema según la reivindicación 1, que comprende un radar para calcular la altura de al menos un animal volador.

6. El sistema según la reivindicación 1 o 4, que comprende además uno o más sensores ambientales para medir las condiciones ambientales.

7. El sistema según la reivindicación 6 en donde, el uno o más sensores ambientales comprenden uno o una combinación de sensores de temperatura, sensores de humedad, sensores de dirección del viento, sensores de velocidad del viento, sensores de presión atmosférica, sensores de precipitación o analizadores de gas.

8. El sistema según la reivindicación 1, en donde la detección, clasificación y disuasión de animales voladores se realiza en al menos una de la primera, segunda y tercera zonas de detección, en donde la primera, segunda y tercera zonas de detección se definen con respecto a un punto de referencia predeterminado colocado en una ubicación del objeto de interés, en donde la tercera zona de detección es más cercana al punto de referencia predeterminado, la primera zona de detección está más alejada del punto de referencia predeterminado, y la segunda zona de detección está entre la primera y tercera zonas de detección y los

elementos disuasorios se activan además dependiendo de la presencia detectada de al menos un animal volador en la zona de detección, de manera que se activa un primer elemento disuasorio cuando al menos un animal volador se detecta dentro de la segunda zona de detección y se activa un segundo elemento disuasorio cuando se detecta al menos un animal volador dentro de la tercera zona de detección.

9. Un método de detección, clasificación y disuasión en tiempo real de animales voladores, comprendiendo el método:

a) capturar al menos dos flujos de datos de un entorno objetivo por un par de unidades (14) esclavas comprendidas en al menos un módulo de detección, cada unidad (14) esclava comprendiendo un detector (16) de movimiento configurado para detectar y registrar el movimiento en dicho entorno objetivo

b) con base en dichos flujos de datos capturados, calcular mediante el módulo de procesamiento local comprendido en cada una de la unidad (14) esclava el tamaño de al menos un animal volador y su posición en el espacio bidimensional para procesamiento adicional

c) analizar por la unidad (12) maestra que comprende un módulo de análisis configurado para recibir dichos datos procesados del módulo de procesamiento local de cada una de las unidades (14) esclavas dentro del módulo de detección y para procesar dichos datos para determinar la presencia de al menos un animal volador determinando las coordenadas tridimensionales de dicho al menos un animal volador, para clasificar dicho al menos un animal volador por especie y para determinar una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés;

10. El método según la reivindicación 9 , si los al menos dos flujos de datos capturados son flujos de imagen, entonces el paso de calcular el tamaño de al menos un animal volador y su posición en el espacio bidimensional comprende:

ii) convertir cada fotograma asociado de cada flujo de imagen en forma binaria;

iv) aplicar umbrales a cada fotograma para dividir los datos en segmentos; y

v) determinar el tamaño y la posición bidimensional de cada animal volador.

11. El método según la reivindicación 9, en donde el paso de determinación de la presencia de al menos un animal volador determinando las coordenadas tridimensionales de dicho al menos un animal volador, clasificando dicho al menos un animal volador por especie y determinando una probabilidad de colisión de dicho al menos un animal volador con un objeto de interés comprende los pasos de:

iv) aplicar filtrado de Kalman a cada grupo de animales voladores;

v) clasificar cada animal volador por especies;

vi) predecir al menos las trayectorias de vuelo de un animal volador; y

vii) proporcionar una probabilidad de colisión de al menos un animal volador con dicho objeto de interés.

12. El método según la reivindicación 9, que comprende adicionalmente los pasos de:

13. El método según la reivindicación 11, en donde el paso de predecir al menos las trayectorias de vuelo de un animal volador comprende los pasos de:

14. El método según la reivindicación 9, en donde la detección, clasificación y disuasión de animales voladores se realiza en al menos una de la primera, segunda y tercera zonas de detección, en donde la primera, segunda y tercera zonas de detección se definen con respecto a un punto de referencia predeterminado colocado en una ubicación del objeto de interés, en donde la tercera zona de detección es más cercana al punto de referencia predeterminado, la primera zona de detección está más alejada del punto de referencia predeterminado, y la segunda zona de detección está entre la primera y tercera zonas de detección y loselementos disuasorios se activan además dependiendo de la presencia detectada de al menos un animal volador en la zona de detección, de manera que se activa un primer elemento disuasorio cuando al menos un animal volador se detecta dentro de la segunda zona de detección y se activa un segundo elemento disuasorio cuando se detecta al menos un animal volador dentro de la tercera zona de detección.