El Instituto Tecnológico de Massachusetts (MIT) ha colaborado con el Woodwell Climate Research Center y otros socios para implementar un sistema basado en aprendizaje profundo que mejora el monitoreo de peces. Este sistema está diseñado para abordar la migración de las poblaciones de river herring, que cada primavera se desplazan desde las aguas costeras de Massachusetts hacia sus hábitats de reproducción en agua dulce.
Las poblaciones de river herring han experimentado un notable descenso en las últimas décadas, lo que ha llevado a un seguimiento exhaustivo de su migración. Este monitoreo se realiza principalmente a través de conteos visuales tradicionales y programas de voluntariado. Sin embargo, la precisión en la estimación de las poblaciones migratorias se ha vuelto crucial para las iniciativas de conservación y la gestión pesquera.
Innovaciones en monitoreo de peces
Un equipo de investigadores, que incluye a Zhongqi Chen y Linda Deegan del Woodwell Climate Research Center, y a Robert Vincent y Kevin Bennett de MIT Sea Grant, ha explorado un nuevo método de monitoreo. Este enfoque utiliza video subacuático y visión por computadora para complementar los esfuerzos de ciencia ciudadana. En febrero, publicaron un artículo en la revista Remote Sensing in Ecology and Conservation donde describen este trabajo.
El documento, titulado “Desde instantáneas hasta estimaciones continuas: Aumentando la ciencia ciudadana con visión por computadora para el monitoreo de peces”, detalla cómo los avances recientes en visión por computadora y aprendizaje profundo ofrecen soluciones prometedoras para automatizar el conteo de peces, mejorando la eficiencia y la calidad de los datos.
Desafíos de los métodos tradicionales
Los métodos tradicionales de monitoreo enfrentan limitaciones relacionadas con el tiempo, las condiciones ambientales y la intensidad laboral. Los conteos visuales realizados por voluntarios están restringidos a breves ventanas de muestreo durante el día, lo que impide registrar el movimiento nocturno de los peces y las migraciones rápidas. Aunque existen tecnologías como el monitoreo acústico pasivo y el sonar de imágenes, la revisión manual de videos subacuáticos sigue siendo intensiva en mano de obra y tiempo.
Ante la creciente demanda de soluciones automatizadas, este estudio presenta un sistema basado en aprendizaje profundo que resulta ser escalable, rentable y eficiente para el monitoreo automatizado de peces. El equipo desarrolló un proceso integral que abarca desde la captura de videos subacuáticos hasta el etiquetado y entrenamiento de modelos.
Resultados y futuro del monitoreo
Los videos fueron recolectados en tres ríos de Massachusetts: el Coonamessett River en Falmouth, el Ipswich River y el Santuit River en Mashpee. Para preparar el conjunto de datos de entrenamiento, se seleccionaron clips de video que variaban en iluminación, claridad del agua, especies de peces y densidad, asegurando así la fiabilidad del modelo en diferentes escenarios reales.
El equipo etiquetó un total de 1,435 clips de video y anotó 59,850 fotogramas. Al comparar los conteos de visión por computadora con revisiones humanas, concluyeron que los modelos entrenados con datos diversos de múltiples sitios funcionan mejor y proporcionan conteos de alta resolución consistentes con estimaciones tradicionales.
Además, el sistema proporcionó información sobre el comportamiento migratorio, revelando que la migración aguas arriba alcanzó su punto máximo al amanecer, mientras que la migración aguas abajo ocurrió principalmente durante la noche, lo que sugiere que los peces aprovechan períodos más oscuros y tranquilos para evitar depredadores.
Con esta aplicación práctica, el equipo busca avanzar en la gestión pesquera mediante la integración de la visión por computadora en los esfuerzos de conservación de especies acuáticas. Robert Vincent, de MIT Sea Grant, destaca que este trabajo mejorará las capacidades de monitoreo pesquero y facilitará la formación de estudiantes y grupos de ciencia ciudadana.
Complementariedad entre tecnologías
A pesar de los avances, el monitoreo tradicional sigue siendo esencial para mantener la coherencia en los conjuntos de datos a largo plazo. A medida que las agencias de gestión pesquera implementen sistemas de conteo automatizados, la visión por computadora y la ciencia ciudadana deben considerarse como complementarias. Los voluntarios seguirán siendo necesarios para el mantenimiento de cámaras y para contribuir directamente al flujo de trabajo de la visión por computadora, desde la anotación de videos hasta la verificación de modelos.
Los investigadores prevén que la integración de observaciones ciudadanas y datos generados por visión por computadora permitirá un enfoque más integral en el monitoreo ambiental.
Este trabajo fue financiado por MIT Sea Grant, con apoyo adicional del Northeast Climate Adaptation Science Center y otras iniciativas.
