{"id":47841,"date":"2020-06-16T18:49:06","date_gmt":"2020-06-16T16:49:06","guid":{"rendered":"http:\/\/www.icac.cat\/es\/?p=47841"},"modified":"2020-06-16T19:32:11","modified_gmt":"2020-06-16T17:32:11","slug":"hector-a-orengo-i-arnau-garcia-molsosa-premiados-con-el-emerging-investigator-award-2019","status":"publish","type":"post","link":"https:\/\/icac.cat\/es\/actualitat\/noticies\/2020\/hector-a-orengo-i-arnau-garcia-molsosa-premiados-con-el-emerging-investigator-award-2019\/","title":{"rendered":"H\u00e8ctor A. Orengo i Arnau Garcia Molsosa, premiados con el \u00abEmerging Investigator Award 2019\u00bb"},"content":{"rendered":"

La revista Journal of Archaeological Science<\/a> <\/em>i la Society for Archaeological Sciences <\/a>ha concedido el premio\u00a0Emerging Investigator Award 2019<\/a><\/strong>\u00a0a los investigadores del equipo de investigaci\u00f3n\u00a0GIAP<\/a> del ICAC H\u00e8ctor A. Orengo<\/a>\u00a0y\u00a0Arnau Garcia Molsosa<\/a>.<\/p>\n

El premio es un reconocimiento a la investigaci\u00f3n publicada en el art\u00edculo\u00a0\u201cA brave new world for archaeological survey: Automated machine learning-based potsherd detection using high-resolution drone imagery\u201d<\/a>\u00a0que se podr\u00e1 consultar en abierto durante los pr\u00f3ximos doce meses (https:\/\/doi.org\/10.1016\/j.jas.2019.105013<\/a>).<\/p>\n

El jurado encargado de valorar las propuestas felicit\u00f3 especialmente la combinaci\u00f3n visionaria de fotogrametr\u00eda basada en drones, aprendizaje autom\u00e1tico y computaci\u00f3n paralela en un entorno de c\u00f3digo abierto<\/strong>, con el potencial de revolucionar los m\u00e9todos tradicionales de la prospecci\u00f3n arqueol\u00f3gica.<\/p>\n

El objetivo del premio es promover y reconocer la excelencia investigadora entre los cient\u00edficos en los primeros estadios de la su carrera investigadora e impulsar la visibilidad internacional de sus publicaciones m\u00e1s significativas.<\/p>\n

\n

La investigaci\u00f3n premiada\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<\/div>\n

Los\u00a0drones<\/strong>\u00a0est\u00e1n cada vez m\u00e1s presentes entre las herramientas de prospecci\u00f3n y explotaci\u00f3n que usa la arqueolog\u00eda. De momento, se han utilizado para obtener buenas visiones a\u00e9reas de lugares 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\u00a0detecci\u00f3n de fragmentos cer\u00e1micos<\/strong>\u00a0(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

\n

\u00a1Los investigadores no se esperaban el premio en absoluto! Pod\u00e9is ver aqu\u00ed la\u00a0tele-entrevista que les ha hecho la Society for Archaeological Sciences<\/strong><\/a>.<\/p>\n<\/div>\n

El\u00a0nuevo m\u00e9todo de prospecci\u00f3n arqueol\u00f3gica<\/strong>\u00a0que\u00a0Orengo<\/strong>\u00a0<\/a>y\u00a0Garcia-Molsosa<\/strong><\/a>\u00a0exponen 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 \u201cuna sola imagen georreferenciada de muy alta resoluci\u00f3n\u201d.<\/p>\n

A continuaci\u00f3n, un\u00a0algoritmo de aprendizaje autom\u00e1tico<\/strong>\u00a0(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

\"Orengo<\/a><\/p>\n

Workflow. Muestra (H\u00e8ctor A. Orengo & Arnau Garcia-Molsosa, 2019)<\/p>\n

 <\/p>\n

Para el desarrollo de esta prueba los investigadores han contado con el apoyo de la FBBVA<\/a><\/strong>, que les concedi\u00f3 una de las competitivas\u00a0Ayudas Fundaci\u00f3n BBVA a Equipos de Investigaci\u00f3n Cient\u00edfica en Humanidades Digitales 2019<\/a>.<\/p>\n

\n

Es la primera vez que se hace este tipo de investigaci\u00f3n en arqueolog\u00eda. No solo\u00a0es la primera vez que se utiliza fotogrametr\u00eda subcentim\u00e9trica con drones<\/strong>, sino que, tambi\u00e9n, se usan m\u00e9todos de aprendizaje autom\u00e1tico para localizar fragmentos de cultura material, con resultados que mejoran los est\u00e1ndares de prospecci\u00f3n arqueol\u00f3gica tradicional y reducen el tiempo que se le dedica tradicionalmente. Adem\u00e1s, el c\u00f3digo est\u00e1 disponible en abierto<\/strong> para que todo el mundo lo pueda usar.<\/p>\n<\/div>\n

La nueva tecnolog\u00eda introduce varias\u00a0ventajas para la prospecci\u00f3n arqueol\u00f3gica<\/strong>: rapidez, una inversi\u00f3n mucho menor de fondos, capacidad de reevaluar los resultados con nuevos m\u00e9todos, capacidad de obtener par\u00e1metros cuantitativos en relaci\u00f3n con la visibilidad del campo de prospecci\u00f3n y la compensaci\u00f3n de condiciones de baja visibilidad, capacidad de obtener resultados georreferenciados… Adem\u00e1s, los resultados que produce no son densidades de material, sino que puede extraer la forma exacta de cada fragmento individual, hecho que abre nuevas puertas a la interpretaci\u00f3n de material arqueol\u00f3gico en superficie.<\/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 (Arnau Garcia-Molsosa y Hector A. Orengo)<\/figcaption><\/figure>\n","protected":false},"excerpt":{"rendered":"

La revista Journal of Archaeological Science i la Society for Archaeological Sciences ha concedido el premio\u00a0Emerging Investigator Award 2019\u00a0a los investigadores del equipo de investigaci\u00f3n\u00a0GIAP del ICAC H\u00e8ctor A. Orengo\u00a0y\u00a0Arnau Garcia Molsosa. El premio es un reconocimiento a la investigaci\u00f3n publicada en el art\u00edculo\u00a0\u201cA brave new world for archaeological survey: Automated machine learning-based potsherd detection […]<\/p>\n","protected":false},"author":160,"featured_media":47818,"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":[447],"_links":{"self":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/47841"}],"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=47841"}],"version-history":[{"count":6,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/47841\/revisions"}],"predecessor-version":[{"id":47847,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/posts\/47841\/revisions\/47847"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/media\/47818"}],"wp:attachment":[{"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/media?parent=47841"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/categories?post=47841"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/icac.cat\/es\/wp-json\/wp\/v2\/tags?post=47841"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}