Para conocer la viabilidad de esta propuesta, es ideal comprender cómo funciona la tecnología detrás de en análisis de imágenes. En el caso que nos ocupa, imaginemos un escenario como el que describe la imagen de arriba.
Un apicultor, tiene un marco de colmena y toma una foto. Con la imagen capturada vamos a poder observar varios tipos de objetos diferentes: celdas operculadas y no operculadas, abejas, y (esperemos que no) varroas, sobre abejas o sobre las celdas.
Las tecnologías de análisis de imagen, como Beemapping y otras, se basan en el conteo de objetos, también llamado cómputo visual. Para esto, se entrena un modelo de cálculo en un servidor con muchas imágenes similares, por ejemplo, muchas fotografías de marcos de colmenas.
El proceso comienza con un humano señalando en la imagen los objetos que quiere que el modelo de cómputo aprenda a reconocer. Se repite este proceso muchas veces con muchas imágenes (miles de veces con miles de imágenes) y con el tiempo, el «modelo» de cálculo, el algoritmo, va «aprendiendo» a reconocer por si solo esos objetos que queremos identificar en una imagen.
Pero volvamos a la imagen del marco. Si usted como apicultor quisiera contar las varroas, tendría que que revisar la fotografía por completo, centimetro a centimetro, buscando formas que le parezcan varroas.
Probablemente le tome al menos unos 15 o 20 minutos revisar toda la imagen, y notará que debe hacerlo con mucho cuidado, tratando de no confundir siluetas, brillos u otros objetos con varroas. Ese aprendizaje es precisamente el que se encuentra detrás de la tecnología de Beemapping.
Pensemos por un momento, ¿donde pueden estar las varroas? ¿se encontrarán visibles en la foto que tomamos, o habrá algunas ocultas, no visibles?