Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

Imagina el océano como una gigantesca y bulliciosa autopista donde los barcos son los coches. Durante décadas, hemos rastreado estos coches utilizando un sistema llamado AIS, que es como una matrícula digital que los barcos transmiten voluntariamente para decir: "¡Aquí estoy!". Pero, al igual que un conductor podría apagar sus faros para pasar de puntillas por un peaje, algunos barcos apagan sus señales AIS para esconderse. Estos se denominan "buques oscuros" (dark vessels), y pueden ser utilizados para el contrabando, la pesca ilegal u otros negocios turbios. Para atraparlos, necesitamos ojos que puedan ver a través de la niebla, la lluvia y la noche cerrada. Entra en escena el Radar de Apertura Sintética, o SAR. Piensa en el SAR como una linterna superpotente que no utiliza luz, sino haces de microondas invisibles. Puede rebotar en los barcos y crear una imagen incluso cuando hay tormenta o la luna está oculta. Sin embargo, mirar estas imágenes de radar es complicado. A menudo son granulosas, están llenas de estática (como un televisor antiguo) y resultan confusas, especialmente cerca de puertos concurridos donde los barcos están amontonados como sardinas. Los científicos han intentado usar computadoras para encontrar estos barcos, pero la mayoría de los programas informáticos son como generalistas: son aceptables detectando un barco en el océano abierto, pero se confunden en un puerto concurrido o una costa rocosa.

Aquí es donde interviene un nuevo estudio de investigadores de la Universidad de Amity. Proponen un "Marco de Aprendizaje Profundo Multi-Experto Híbrido", que es una forma elegante de decir que construyeron un equipo de detectives informáticos especializados en lugar de depender de un solo detective. Imagina una estación de policía donde no envías a todos los detectives a cada escena del crimen. En su lugar, tienes un despachador inteligente que observa la escena primero. Si es un océano tranquilo y abierto, el despachador envía al "Experto A", un detective rápido y eficiente. Si es una costa agitada, envía al "Experto B", que es un poco más cuidadoso. Si es un puerto superconcurrido con barcos superpuestos unos con otros, envía al "Experto C", el más avanzado con herramientas especiales para desenredar el lío. Los investigadores probaron este equipo utilizando imágenes de satélite reales y descubrieron que este sistema de "despachador inteligente" funciona increíblemente bien. Demostaron que, al cotejar lo que el radar ve con las "matrículas digitales" (AIS) que los barcos sí transmiten, pueden detectar a los que se esconden. En una prueba sobre el concurrido Estrecho de Singapur, el sistema encontró más de 1,000 barcos e identificó 96 de ellos como "buques oscuros" que intentaban permanecer invisibles.

El problema con el detective de "talla única"

Durante mucho tiempo, los científicos han intentado usar un único programa informático para encontrar barcos en imágenes de radar. Es un poco como intentar usar un mismo par de gafas para leer un libro, conducir un coche y mirar las estrellas al mismo tiempo. Puede que funcione bien para una cosa, pero no es muy bueno para las demás. En el océano abierto, los barcos están lejos unos de otros, por lo que un detector simple y rápido funciona bien. Pero cerca de la costa, el agua es agitada y el radar se confunde con las olas. En un puerto denso, los barcos están tan cerca que parecen un solo bloque gigante. Los métodos tradicionales, como la técnica de "Tasa de Falsas Alarmas Constante" (CFAR), a menudo se ven abrumados por este ruido de fondo, dando la alarma por cada ola y perdiendo los barcos reales.

Los investigadores argumentan que necesitamos un sistema que se adapte al entorno. Sugieren que, en lugar de forzar a un solo modelo a hacer todo, debemos dejar que la computadora decida qué "experto" utilizar basándose en lo que ve.

El Despachador Inteligente: Dirigiendo la Escena

El primer paso en este nuevo marco es el "Enrutamiento Inteligente de la Escena". Piensa en esto como el despachador en la recepción. Cuando llega una nueva imagen de radar, el sistema no empieza a buscar barcos inmediatamente. Primero, utiliza una versión modificada de una red neuronal llamada ResNet-50 para observar la imagen y preguntar: "¿Dónde estamos?".

El sistema clasifica la escena en tres tipos:

1. Offshore (Mar abierto): El mar abierto, donde es relativamente tranquilo y despejado.
2. Inshore (Costa): La costa, donde el agua es más picada y el fondo es más desordenado.
3. Puerto Denso: Un puerto concurrido donde los barcos están apretados.

Los investigadores entrenaron a este despachador para que fuera muy bueno en esta tarea. En sus pruebas, identificó correctamente el tipo de entorno el 98.8% de las veces. Esto es crucial porque garantiza que se utilice la herramienta adecuada para el trabajo adecuado. Si el despachador envía al experto equivocado, el sistema podría perder un barco o confundirse con una ola.

El Equipo de Detectives Especializados

Una vez que el despachador sabe la ubicación, entrega la imagen al experto específico diseñado para ese entorno:

• Experto A (Mar abierto): Para el océano abierto, el sistema utiliza YOLOv8n. Este es un modelo ligero y rápido. Dado que el mar abierto tiene menos elementos que estorben, este experto no necesita ser excesivamente complicado; solo necesita ser rápido y preciso. Los investigadores encontraron que este experto logró una precisión de detección (llamada precisión media promedio o mAP) del 97%.
• Experto B (Costa): Para la costa, el sistema cambia a YOLOv8s, que es un poco más grande y cuidadoso. También utiliza un truco especial llamado "filtrado adaptativo basado en CFAR". Imagina esto como un detective que ajusta su sensibilidad según el nivel de ruido. Si las olas son fuertes, el detective sabe ignorar las pequeñas ondulaciones y centrarse en las formas grandes. Este experto logró un mAP de aproximadamente el 86%.
• Experto C (Puerto Denso): Este es el que hace el trabajo pesado. En puertos concurridos, los barcos se superponen, lo que dificulta su separación. Este experto utiliza una combinación de SwinIR (una herramienta que limpia la granulosa imagen de radar, haciéndola más nítida) y Mask R-CNN (un modelo que puede dibujar un contorno preciso alrededor de cada barco individual, incluso si se están tocando). Este experto fue tan bueno encontrando barcos superpuestos que logró un "recall" (recuperación) cercano a 1.0, lo que significa que encontró casi todos los barcos que había, perdiendo muy pocos.

Capturando a los Ocultos: La Fusión de AIS

Encontrar los barcos es solo la mitad de la batalla. El objetivo real es encontrar los buques oscuros: aquellos que se esconden. Para lograrlo, el sistema utiliza un truco ingenioso llamado "Fusión de Datos AIS".

Cada barco que cumple las reglas transmite su ubicación mediante AIS. El sistema toma la lista de barcos que encontró con el radar y la compara con la lista de barcos que transmiten su ubicación. Utiliza una fórmula matemática (la distancia de Haversine) para ver si un barco de radar está lo suficientemente cerca de un barco de AIS como para ser el mismo. Establecieron una regla: si un barco de radar está a menos de 500 metros de un barco de AIS, se considera una coincidencia.

Si el radar ve un barco, pero no hay ninguna señal de AIS cerca, el sistema lo marca como un Buque Oscuro. Es como ver un coche circulando sin faros; sabes que está ahí, pero no te dice quién es.

Rastreando los Barcos Misteriosos

Una vez que se detecta un buque oscuro, el sistema no solo toma una instantánea; comienza a rastrearlo. Utiliza un Filtro de Kalman, que es un método matemático para predecir hacia dónde irá algo basándose en dónde ha estado. Piensa en ello como un juego de "la papa caliente" donde el sistema predice la trayectoria del barco. Si un barco cambia repentinamente de dirección o se detiene de una manera extraña, el sistema puede detectar esta anomalía. Esto ayuda a las autoridades a entender no solo dónde está el barco, sino qué podría estar haciendo.

Los Resultados: Poniéndolo a Prueba

Los investigadores no solo construyeron esto en una simulación informática; lo probaron con datos reales. Utilizaron imágenes del satélite Sentinel-1 y datos del Estrecho de Singapur, una de las rutas de navegación más concurridas del mundo.

Esto es lo que encontraron:

• El sistema analizó 1,038 detecciones de barcos.
• Identificó 96 de ellos como buques oscuros.
• Esto resultó en una Tasa de Detección de Buques Oscuros (DVDR) del 9.24%.

Esto significa que, en esta prueba específica, aproximadamente 1 de cada 10 barcos detectados por el radar no estaba transmitiendo su ubicación. Los investigadores señalan que esto concuerda con estudios previos, lo que sugiere que una parte significativa del tráfico marítimo opera en las sombras.

Por qué esto es importante

La principal conclusión de este artículo es que un enfoque de "talla única" para encontrar barcos no es suficiente. Al crear un sistema que actúa como un equipo de especialistas —cada uno con sus propios superpoderes para diferentes entornos—, los investigadores han construido una forma más robusta y precisa de monitorear los mares.

El estudio sugiere que este marco híbrido es un gran paso adelante para la vigilancia marítima operativa. Va más allá de las simples simulaciones y demuestra que puede funcionar con datos de satélite reales e información de tráfico en vivo. Aunque el sistema no es perfecto (ninguno lo es), ofrece una forma prometedora de atrapar a los "buques oscuros" que intentan escabullirse entre las grietas, ayudando a que las rutas comerciales globales sean más seguras y protegidas. Los investigadores planean seguir mejorando el sistema, quizás combinando el radar con otros tipos de sensores en el futuro, pero por ahora, han demostrado que un equipo inteligente y multi-experto es la mejor manera de resolver el rompecabezas de los barcos ocultos.