Responsable: Sergio Toral Marín / Daniel Gutiérrez Reina
Tipo de Proyecto/Ayuda: Proyectos de Transición Ecológica y Transición Digital
Referencia: TED2021-131326B-C21
Fecha de Inicio: 01-12-2022
Fecha de Finalización: 31-03-2025

Empresa/Organismo financiador/es:

• Ministerio de Ciencia e Innovación

Socios:

• Fundación Universidad Loyola Andalucía (Pablo Millán Gata)

Equipo:

• Equipo de Investigación:
  • Manuel Ángel Perales Estéve
• Equipo de Trabajo:
  • Jurgen Branke
  • José Manuel García Campos
  • Jesús Sánchez García
  • Samuel Yanes Luis
  • Alejandro Casado Pérez (alta: 15/07/2024)

Contratados:

• Investigadores:
  • Dame Seck Diop

Resumen del proyecto:

El proyecto ECOPORT propone el desarrollo de una flota robusta y reactiva de un enjambre de Vehículos Autónomos de Superficie (ASVs) para realizar una operación colaborativa y en tiempo real de detección y limpieza de residuos superficiales en puertos marítimos.

El sistema tiene como objetivo proporcionar un desarrollo y una respuesta rápidos, evitando la propagación de los agentes contaminantes en el mar. Las principales características de la plataforma propuesta son:

• Detección en tiempo real y alerta temprana: Los ASV estarán equipados con sensores para medir las principales variables relacionadas con la contaminación del agua (nitratos, pH, conductividad, entre otros) y con cámaras para detectar derrames de petróleo y plásticos. El sistema permitirá la detección temprana de residuos en la superficie y una rápida actuación.
• Robustez: El diseño y la implementación de estimadores y controladores avanzados y de alto rendimiento permitirán a la flota de ASV operar con seguridad en puertos marítimos donde haya vientos, pequeñas olas y otros barcos, utilizando las cámaras para evitar obstáculos fijos y móviles.
• Reactividad y seguimiento: El proyecto propone el desarrollo de modelos de aprendizaje y algoritmos de planificación para los ASV que permitan a la flota adaptarse a la dinámica de los agentes de contaminación superficial detectados. El objetivo es proporcionar la localización de los residuos para su limpieza y posibles sanciones.
• Limpieza colaborativa: La flota de ASVs estará compuesta por 2-3 vehículos que llevarán de forma colaborativa una o varias herramientas de limpieza de plásticos, microplásticos y aceites. En este caso, el reto consistirá en desarrollar controladores distribuidos que garanticen un funcionamiento coordinado y eficiente cuando los distintos ASV estén físicamente interconectados por la(s) herramienta(s) de limpieza.

El proyecto ECOPORT está alineado con los objetivos medioambientales del Reglamento 2020/852 de la UE sobre el establecimiento de un marco para facilitar la inversión sostenible, en particular con el segundo objetivo "Uso sostenible y protección de los recursos hídricos y marinos". Los objetivos generales son

• Desarrollar una flota robusta y reactiva de ASVs para realizar la detección y el seguimiento en tiempo real de agentes de superficie y la limpieza colaborativa.
• Realizar un demostrador del sistema en un entorno real.

El equipo US (coordinador del proyecto) se encarga de desarrollar los algoritmos para la detección y el seguimiento de los contaminantes de superficie. Estos algoritmos, basados en los datos recogidos por la flota de ASV, producen modelos en tiempo real del medio acuático, detectan vertidos de petróleo y plásticos, y calculan las trayectorias que debe seguir la flota de ASV en función de esta información. La información de los sensores y las cámaras se utilizará para obtener modelos subrogados para una rápida detección de residuos. El equipo US aporta experiencia en aprendizaje automático, visión, integración de sensores y computación en la nube.

El subproyecto 1 propone utilizar la Optimización Bayesiana (OB) basada en procesos gaussianos para detectar valores de variables de calidad del agua que pongan en peligro la salud de las personas o valores por encima de los límites legales (posibles sanciones). OB tiene una amplia aplicación en sistemas de decisión secuencial como plataformas robóticas o sistemas autónomos. La OB está definida por tres componentes (i) modelo sustituto; (ii) función de adquisición o utilidad, que determina cuantitativamente el aprendizaje obtenido por la medición en nuevas zonas; y (iii) optimizador, que se encarga de maximizar la función de utilidad en cada iteración para determinar la siguiente zona de interés donde se desplegará la flota de vehículos. Se suelen utilizar procesos gaussianos como modelo, ya que permiten la inclusión de conocimiento previo (inferencia bayesiana) de la situación/escenario a través de la elección del Kernel (matriz de covarianza) y sus parámetros de configuración.

El subproyecto 1 propone utilizar modelos subrogados basados en procesos gaussianos. Este sistema permitirá detectar aquellos contaminantes que puedan ser inferiores a los valores de los parámetros de calidad del agua, es decir, contaminantes líquidos como aceites y otros vertidos. Aunque la OB ha sido ampliamente utilizada, su aplicación en sistemas distribuidos como en este caso presenta muchos retos. Por ello, la definición de los Kernels o matrices de covarianza debe adaptarse a las especificidades de las misiones de vigilancia del proyecto (modo de detección). Con respecto a trabajos anteriores, este proyecto no pretende obtener un modelo preciso de las variables de calidad del agua en todo el recurso hídrico, sino obtener una mayor resolución en aquellas zonas con valores extremos. De este modo, será posible detectar los picos de contaminación y actuar en consecuencia (planificador de rutas).

En cuanto a la detección de residuos sólidos, especialmente plásticos, se propone utilizar técnicas de visión artificial basadas en redes neuronales. Para ello, es necesario equipar el ASV con cámaras de visión en profundidad. Las redes neuronales propuestas se entrenarán con un conjunto de datos específico, que permitirá detectar los diferentes tipos de residuos plásticos que se encuentran normalmente en los puertos. Además, este proyecto propone la fusión de modelos basados en procesos gaussianos y redes neuronales para obtener más información de contexto que proporcionar al planificador de rutas.

En cuanto al planificador de rutas, se propone adaptar las funciones de utilidad utilizadas en la OB a los objetivos del proyecto, de manera que se definirán funciones de adquisición para obtener rápidamente los picos de contaminación sin comprometer la autonomía de los vehículos.