{"id":42786,"date":"2019-10-11T09:58:14","date_gmt":"2019-10-11T07:58:14","guid":{"rendered":"http:\/\/www.icac.cat\/es\/?p=42786"},"modified":"2019-10-11T14:16:04","modified_gmt":"2019-10-11T12:16:04","slug":"la-arqueologia-toca-el-cielo","status":"publish","type":"post","link":"https:\/\/icac.cat\/es\/actualitat\/noticies\/2019\/la-arqueologia-toca-el-cielo\/","title":{"rendered":"La arqueolog\u00eda toca el cielo"},"content":{"rendered":"

Una nueva publicaci\u00f3n en la revista\u00a0Journal of Archaeological Science<\/a><\/em><\/strong>\u00a0expone los avances en la prospecci\u00f3n arqueol\u00f3gica mediante la combinaci\u00f3n de t\u00e9cnicas de aprendizaje autom\u00e1tico (machine learning<\/em>) e im\u00e1genes de alta resoluci\u00f3n captadas con drones.<\/p>\n

Los drones<\/strong> son cada vez m\u00e1s presentes entre las herramientas de prospecci\u00f3n y explotaci\u00f3n que utiliza la arqueolog\u00eda. De momento, se han usado para obtener buenas visiones a\u00e9reas de sitios y caracter\u00edsticas arqueol\u00f3gicas y, incluso, para descubrir nuevos yacimientos arqueol\u00f3gicos. Ahora, los nuevos avances en t\u00e9cnicas de aprendizaje autom\u00e1tico (machine learning<\/em>) han permitido combinar la captaci\u00f3n de im\u00e1genes de alta resoluci\u00f3n con m\u00e9todos de detecci\u00f3n de fragmentos cer\u00e1micos<\/strong> (potsherds<\/em>, en ingl\u00e9s).<\/p>\n

Habitualmente, la exploraci\u00f3n del terreno para descubrir nuevos yacimientos o hacer nuevos hallazgos de inter\u00e9s (la prospecci\u00f3n arqueol\u00f3gica) se hace a pie. Poco a poco se van introduciendo t\u00e9cnicas de captaci\u00f3n de im\u00e1genes a fin de reducir los costes y esfuerzos que supone hacer las tareas de prospecci\u00f3n arqueol\u00f3gica caminando.<\/p>\n

Seg\u00fan el investigador del ICAC H\u00e8ctor A. Orengo<\/strong><\/a>, uno de los coautores de la publicaci\u00f3n, \u00abla distribuci\u00f3n de fragmentos cer\u00e1micos es un buen indicador de la intensidad de la ocupaci\u00f3n humana y la posible localizaci\u00f3n de yacimientos arqueol\u00f3gicos, pero las t\u00e9cnicas tradicionales de prospecci\u00f3n arqueol\u00f3gica<\/strong> pueden llegar a ser muy costosas y requieren la participaci\u00f3n de muchos arque\u00f3logos\u00bb (ved la entrevista \u00abArchaeological eye in the sky\u00bb<\/a>, publicada en la web de la Universidad de Cambridge).<\/p>\n

\"Els<\/a>
Los investigadores H\u00e8ctor A. Orengo (izquierda) y Arnau Garcia-Molsosa, coautores del art\u00edculo que se acaba de publicar.<\/figcaption><\/figure>\n

El nuevo m\u00e9todo de prospecci\u00f3n arqueol\u00f3gica<\/strong> que Orengo<\/strong> <\/a>y\u00a0Garcia-Molsosa<\/strong><\/a> exponen en su art\u00edculo cient\u00edfico consiste en hacer volar un dron preprogramado sobre la zona de inter\u00e9s y hacer fotograf\u00edas sobrepuestas. Estas im\u00e1genes despu\u00e9s se unen para crear lo que los investigadores denominan \u00abuna sola imagen georeferenciada de muy alta resoluci\u00f3n\u00bb.<\/p>\n

A continuaci\u00f3n, un algoritmo de aprendizaje autom\u00e1tico<\/strong> (machine learning<\/em>, un subcampo de la inteligencia artificial), impulsado por los servicios de computaci\u00f3n en la nube de Google, identifica todos los fragmentos de cer\u00e1mica visibles en la imagen y los mapea. El algoritmo utiliza textura y el color de los p\u00edxeles de la imagen para identificar los fragmentos cer\u00e1micos de inter\u00e9s,\u00a0pero tambi\u00e9n se puede entrenar para identificar otros tipos de objetos relacionados con la cultura material.<\/p>\n

Este nuevo m\u00e9todo puede ser una alternativa interesante a d\u00edas de caminar a campo abierto, un m\u00e9todo que requiere mucho tiempo y resulta costoso. A veces esta tarea no la pueden asumir los propios investigadores y requiere un equipo de arque\u00f3logos con importantes costes de alojamiento mientras llevan a cabo el trabajo en el terreno, que puede durar meses cada a\u00f1o.<\/p>\n

\"Imatge<\/a>
Imagen superior que muestra una imagen captada por drones. Imagen inferior que muestra las piezas detectadas por el algoritmo de aprendizaje autom\u00e1tico (H\u00e8ctor A. Orengo y Arnau Garcia-Molsosa)<\/figcaption><\/figure>\n

El m\u00e9todo, pero, no est\u00e1 libre de riesgos y limitaciones. Puede que la mayor limitaci\u00f3n actualmente sea la misma que se encontraba la prospecci\u00f3n arqueol\u00f3gica tradicional: la exploraci\u00f3n de terrenos irregulares y poco accesibles. La mayor\u00eda de prospecciones, por cuestiones de acceso, se limitan a terrenos planos y labrados o, al menos, con poca presencia de \u00e1rboles u otras barreras.<\/p>\n

En una entrevista en la revista Ancient Origins<\/em><\/strong><\/a>, Orengo y Garcia-Molsosa han comentado que \u00abahora estamos trabajando para desarrollar tecnolog\u00edas con drones que puedan adaptarse mejor al terreno irregular, evitar \u00e1rboles y otras barreras y ampliar los tiempos de vuelo de los drones que hay actualmente disponibles\u00bb (\u00abFrom Turning Stones to Launching Drones: Archaeological Surveys Take Flight\u00bb<\/a>, Ancient Origins<\/em>, por Alicia McDermott<\/a>).<\/p>\n

Orengo y Garcia-Molsosa est\u00e1n trabajando tambi\u00e9n en la creaci\u00f3n de \u00abnuevos m\u00e9todos basados en la inteligencia artificial para mejorar los resultados en la detecci\u00f3n de algoritmos y extender sus capacidades de identificaci\u00f3n a otros tipos de cultura material, como l\u00edticos o metales\u00bb.<\/p>\n

\n
\"\"<\/a>A brave new world for archaeological survey: Automated machine learning-based potsherd detection using high-resolution drone imagery<\/a><\/strong><\/span><\/h6>\n
\n
\n
\n
H\u00e8ctor A. Orengo y Arnau Garcia-Molsosa<\/span><\/div>\n<\/div>\n<\/div>\n<\/div>\n
\n
\n
https:\/\/doi.org\/10.1016\/j.jas.2019.105013<\/a>Get rights and content<\/a><\/div>\n
(Art\u00edculo de acceso abierto)<\/em><\/div>\n<\/div>\n<\/div>\n<\/div>\n
<\/div>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Una nueva publicaci\u00f3n en la revista\u00a0Journal of Archaeological Science\u00a0expone los avances en la prospecci\u00f3n arqueol\u00f3gica mediante la combinaci\u00f3n de t\u00e9cnicas de aprendizaje autom\u00e1tico (machine learning) e im\u00e1genes de alta resoluci\u00f3n captadas con drones. Los drones son cada vez m\u00e1s presentes entre las herramientas de prospecci\u00f3n y explotaci\u00f3n que utiliza la arqueolog\u00eda. De momento, se han […]<\/p>\n","protected":false},"author":160,"featured_media":70449,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":""},"categories":[329,335,343,332],"tags":[427,374,540,541,455,447],"_links":{"self":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/42786"}],"collection":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/users\/160"}],"replies":[{"embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/comments?post=42786"}],"version-history":[{"count":5,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/42786\/revisions"}],"predecessor-version":[{"id":42819,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/42786\/revisions\/42819"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/media\/70449"}],"wp:attachment":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/media?parent=42786"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/categories?post=42786"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/tags?post=42786"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}