IA y drones: Centro i-mar permite identificar FAN mediante tecnología aereoespacial

Durante el seminario de cierre del proyecto FONDEF «Imágenes hiperespectral y deep-learning: herramientas para la detección remota de algas nocivas», liderado por investigadores del centro i-mar, se presentaron avances concretos que apuntan a un monitoreo en tiempo real y a escala fina. El objetivo es la integración de inteligencia artificial y tecnología de óptica hiperespectral. Colaboración entre academia, startup y empresas El origen de esta innovación no nació estrictamente en los laboratorios universitarios, sino de la inquietud del sector privado. En conversación con InfoSALMON Daniel Varela, director del proyecto, menciona que la idea surgió del interés de una startup. «Ellos tenían muy claro lo que querían lograr, pero no tenían cómo hacerlo. Y llegaron aquí porque nosotros cultivamos microalgas. En el transcurso nosotros nos entusiasmamos y les propusimos postular juntos a un proyecto», señala el investigador. A raíz de esto, la industria productora notó el valor de la iniciativa. Mowi se integró activamente en la segunda etapa del proyecto, facilitando la logística en terreno. «Para los monitoreos, Mowi nos facilitó embarcaciones. Ellos nos decían: ‘Mira, acá hay un problema de marea roja, aquí hay un problema de altas células’. Vengan a ver, nosotros vamos para allá y ellos nos facilitaron todo», destaca Varela. Huella digital de una microalgas Uno de los conceptos principales de la investigación fue la «reflectancia». Pilar Aparicio, investigadora postdoctoral y codirectora del proyecto, explicó a a InfoSALMON que para lograr entender cómo un dron puede saber qué alga hay en el agua sin sacar una muestra, hay que imaginar que cada especie de microalga tiene un «color único» que el ojo humano no puede ver. Explicando que cada alga refleja la luz de una manera específica, creando una especie de código de barras luminoso El equipo entrenó modelos de IA en lenguaje Python cruzando muestras de agua reales con la señal óptica capturada por los drones. «Logarítmicamente entrenamos el algoritmo en que decimos: esta señal de reflectancia, que tiene 168 datos cada 2 nanómetros, corresponde a esta especie (de microalgas) en estas condiciones de abundancia, salinidad, temperatura y clorofila. Le damos bastante información al algoritmo para que pueda ir nutriéndose y diferenciando la especie y su huella», detalla Aparicio. Pilar Aparicio, investigadora postdoctoral y codirectora del proyecto. Foto: InfoSALMON Trabajo en terreno Para que la Inteligencia Artificial aprenda a reconocer una microalga, necesita ser alimentada con una cantidad masiva de datos reales. Para lograr esto, el equipo científico se embarcó en el buque alemán R/V Meteor. Aparicio explica que realizaron extensas campañas oceanográficas que abarcaron 82 estaciones de muestreo. El recorrido cubrió zonas críticas para la industria desde el Cabo de Hornos hasta Talcahuano. A nivel local, el equipo operó intensamente en la Región de Los Lagos, cubriendo el Seno del Reloncaví, la Bahía de Ilque, Canal Tenglo, Pulelo, y sectores de Chiloé frente a Castro. Además, lograron acudir in situ a floraciones recientes del año 2024, 2025 y 2026. Los investigadores también fueron parte del Meteor, recorriendo 82 puntos de muestreo. Foto: Gentileza. Resultados y accesibilidad del equipo Uno de los resultados de la investigación fue la demostración de que la detección de floraciones de algas nocivas mediante imágenes hiperespectrales es completamente viable, alcanzando una precisión que va del 70% y el 90% en condiciones moderadas. Confirmando que la tecnología óptica combinada con modelos de aprendizaje profundo (Deep Learning) tiene el potencial sustancial de reemplazar o complementar los lentos análisis tradicionales. A pesar de los avances y logros de la investigación el equipo investigador reconoce que el principal obstáculo actual es la falta de un mayor volumen de datos para optimizar la IA. La gran barrera para obtener esta información es económica, ya que los sensores hiperespectrales actuales son escasos y de alto costo, pudiendo alcanzar los USD 15.000.  Para poder optimizar recursos y logística, el equipo acaba de presentar un nuevo proyecto enfocado en la democratización del hardware. Su objetivo es abricar un sensor que cumpla con los requerimientos técnicos pesando apenas 300 gramos y con un costo de fabricación que rondaría los 1.000 dólares, acercando la tecnología aeroespacial directamente a los centros de cultivo del sur de Chile. En este marco, Varela detalló que «La idea es desarrollar una cámara de bajo costo, la implementación de sistemas de adquisición de imágenes, no solo con el dron, y desarrollar un software que permita integrar estos sistemas». Esta nueva etapa, que ya está en concurso, cuenta con el respaldo estratégico de las empresas salmoneras Mowi y Blumar.