Este proyecto se centra en el desarrollo de un sistema de adquisición de imágenes para el seguimiento de arrecifes artificiales y la caracterización de especies marinas. Utilizando tecnologías de Raspberry Pi, Arducam, Python y Ultralytics, se ha logrado implementar un sistema eficiente y escalable. El proceso de desarrollo incluye la programación de un formulario HTML para la definición de parámetros de adquisición, la habilitación de un modelo de inferencia de inteligencia artificial para el muestreo en tiempo real, la captura de imágenes y vídeo del entorno marino y el envío de datos a un repositorio de acceso público y una web de visualización de adquisiciones. Los resultados han demostrado la efectividad del sistema en la detección de especies comunes y la captura de imágenes de alta calidad, a pesar de desafíos técnicos como la distorsión de barril en imágenes submarinas. Se destaca la satisfactoria adquisición de datos en imágenes, vídeos y archivos JSON, y la importancia de la colaboración internacional para ampliar los objetivos del proyecto, así como las diferentes funcionalidades que puede aportar el uso de modelos diferentes para un mismo cometido.

Aquest projecte es centra en el desenvolupament d’un sistema d’adquisició d’imatges per al seguiment d’esculls artificials i la caracterització d’espècies marines. Utilitzant tecnologies de Raspberry Pi, Arducam, Python i Ultralytics, s'ha aconseguit implementar un sistema eficient i escalable. El procés de desenvolupament inclou la programació d'un formulari HTML per definir paràmetres d'adquisició, habilitació d'un model d'inferència d'intel·ligència artificial per al mostreig en temps real, captura d'imatges i vídeo de l'entorn marí i enviar dades a un dipòsit d'accés públic i una web de visualització d'adquisicions. Els resultats han demostrat l'efectivitat del sistema en la detecció d'espècies comunes i la captura d'imatges d'alta qualitat, malgrat els reptes tècnics com la distorsió de barril en imatges submarines. Es destaca la satisfactòria adquisició de dades en imatges, vídeos i fitxers JSON, i la importància de la col·laboració internacional per ampliar els objectius del projecte, així com les diferents funcionalitats que pot aportar l'ús de models diferents per a una mateixa tasca.

This project focuses on developing an image acquisition system for monitoring artificial reefs and characterising marine species. An efficient and scalable system has been implemented using Raspberry Pi, Arducam, Python and Ultralytics technologies. The development process includes programming an HTML form for defining acquisition parameters, enabling an artificial intelligence inference model for real-time sampling, capturing images and video of the marine environment, and sending data to a publicly accessible repository and acquisition visualisation website. The results have demonstrated the system's effectiveness in detecting common species and capturing high-quality images, despite technical challenges such as barrel distortion in underwater images. The successful acquisition of data in images, videos and JSON files is highlighted, as well as the importance of international collaboration to expand the objectives of the project, as well as the different functionalities that can be provided by using different models for the same purpose.

Repositori de resultats públic: https://github.com/CarlosDeLaVegaBlanco/CarlosDeLaVegaBlanco.github.io/tree/main i Web de publicació en temps real: https://carlos-de-la-vega-blanc-github-io.vercel.app/