El grupo de investigación AI4Oceans de la Universitat de València desarrolla marcos híbridos de inteligencia artificial para identificar de forma automatizada la captura incidental de especies marinas vulnerables a partir de imágenes tomadas a bordo de buques pesqueros. La investigación combina distintos métodos de IA y propone marcos específicamente ajustados a estos datos, especies y condiciones de monitorización.
La captura incidental, también conocida como bycatch, representa el 40% de las capturas pesqueras a nivel mundial y afecta especialmente a megafauna marina como tortugas, mamíferos marinos y tiburones. La tecnología desarrollada busca transformar imágenes complejas capturadas en embarcaciones en información confiable sobre biodiversidad marina.
Combinación de múltiples enfoques de inteligencia artificial
Los estudios adaptan y combinan distintos métodos basados en IA para identificar especies capturadas incidentalmente. La investigación se desarrolla en el Image Processing Laboratory (IPL) y en el Instituto Cavanilles de Biodiversidad y Biología Evolutiva (ICBiBE) de la Universitat de València.
El equipo explora integraciones de redes neuronales convolucionales con Random Forest, así como arquitecturas específicas como Faster R-CNN y YOLO. Otros equipos experimentan con variantes de YOLO y Vision Transformers (ViT), buscando un equilibrio entre velocidad y precisión en la detección automática de especies vulnerables.
Verónica Nieves, investigadora de la UV, fundadora y líder de AI4Oceans, explicó el alcance del proyecto:
La IA puede ayudar a transformar imágenes complejas en información fiable sobre biodiversidad. Al combinar distintos modelos que ofrecen un equilibrio entre velocidad y precisión, nos acercamos a herramientas de monitoreo prácticas capaces de mejorar las estimaciones de captura incidental. Estos avances contribuyen a mejorar la protección de las especies marinas vulnerables.
Financiamiento europeo y participación multidisciplinaria
El proyecto Reduce está financiado por la Unión Europea a través del programa Horizon. La investigación cuenta con la participación de la empresa DataFish en la recopilación de datos y anotación, mientras que las tripulaciones de los buques realizaron la captación de imágenes a bordo.
Jordi Fornés, técnico de investigación que contribuyó al análisis experimental, destacó la flexibilidad del sistema:
Estos modelos pueden perfeccionarse a medida que se disponga de más imágenes, y adaptarse a otros conjuntos de datos, especies y contextos de monitoreo.
La capacidad de escalabilidad y adaptación representa uno de los principales valores de esta tecnología en desarrollo, que podría aplicarse a diferentes contextos pesqueros y especies marinas según se amplíe la base de datos de imágenes.
Impacto en la conservación de especies vulnerables
La investigación proporciona un marco inédito y práctico para mejorar el monitoreo de la captura incidental de megafauna marina. La tecnología busca generar información más confiable a nivel de especie y respaldar decisiones de conservación mejor fundamentadas.
Nieves subrayó el potencial de estos avances:
Estas innovaciones proporcionan un marco inédito y práctico para mejorar el monitoreo de la captura incidental de megafauna marina, generar información más fiable a nivel de especie y respaldar decisiones de conservación mejor fundamentadas.
El sistema está diseñado para procesar imágenes tomadas en condiciones reales de pesca, donde factores como iluminación variable, movimiento de las embarcaciones y diferentes ángulos de captura pueden dificultar la identificación manual de especies.
Preguntas frecuentes
¿Qué es la captura incidental o bycatch?
La captura incidental, conocida como bycatch, es la captura no intencionada de especies marinas durante las operaciones pesqueras. Representa el 40% de las capturas pesqueras a nivel mundial y afecta especialmente a tortugas, mamíferos marinos y tiburones.
¿Qué grupo desarrolla esta tecnología con inteligencia artificial?
El grupo de investigación AI4Oceans de la Universitat de València, liderado por Verónica Nieves, desarrolla estos marcos híbridos de inteligencia artificial en colaboración con el Image Processing Laboratory y el Instituto Cavanilles de Biodiversidad y Biología Evolutiva.
¿Cómo funciona el sistema de detección automatizada?
El sistema combina distintos métodos de inteligencia artificial, incluyendo redes neuronales convolucionales con Random Forest y arquitecturas como Faster R-CNN y YOLO, para identificar especies vulnerables capturadas incidentalmente a partir de imágenes tomadas a bordo de buques pesqueros.
La tecnología desarrollada por AI4Oceans representa un avance en el monitoreo automatizado de especies marinas vulnerables, con potencial para mejorar las estimaciones de captura incidental y apoyar estrategias de conservación marina más efectivas a medida que se perfeccione con mayor cantidad de datos visuales.
