Con segmentación semántica, el equipo AI-MineSafe PUCV logró validar el 96,15 % de los tranques de relaves registrados en Antofagasta e identificó 141 botaderos y 112 depósitos de lixiviación ausentes de catastros nacionales. La IA no solo dice “aquí hay algo”: dibuja dónde está, cuánto ocupa y qué sitios conviene priorizar primero.

Detectar un depósito minero en una imagen satelital no basta. El desafío real es trazar su contorno y separar su huella del entorno. Ahí entran los modelos de segmentación con máscaras, capaces de clasificar píxeles y devolver geometrías útiles para vigilancia territorial.

El paper IEEE Access 2025 del equipo compara arquitecturas como YOLOv8x-seg y Mask R-CNN para evaluar qué tan bien detectan y delimitan estas instalaciones usando imágenes Sentinel-2. La diferencia entre modelos importa: Mask R-CNN destaca por su rama de segmentación, útil para contornos detallados. YOLOv8x-seg combina segmentación por instancias con alta velocidad y muy buen rendimiento global, convirtiéndose en el modelo más sólido para operar a escala regional.

Ese es el salto cualitativo: de detectar a delimitar. Cuando la IA puede trazar el perímetro exacto de un relave, la información que llega a los equipos de fiscalización es mucho más accionable.

#AIMineSafe #YOLOv8 #MaskRCNN #Relaves #Sentinel2 #PUCV #IAMinería #Teledetección