El cultivo de algas marinas es el sector de la acuicultura de más rápido crecimiento en todo el mundo. A medida que las granjas continúan expandiéndose, los métodos automatizados para monitorear el crecimiento y la biomasa se vuelven cada vez más importantes. Las técnicas de imagen, como la visión por ordenador (CV), que permiten la detección y segmentación automática de objetos, se pueden utilizar para una estimación rápida del tamaño de las algas submarinas.
Por conversaciones sostenidas con empresas de robótica chilenas, sabemos que este sistema se está implementando en Chile, por lo cual podría ser útil conocer cómo funciona.
En este estudio se segmentaron imágenes RGB submarinas in situ del alga Saccharina latissima cultivada, utilizando técnicas de CV y se exploró el área de píxeles como una herramienta para las estimaciones de biomasa. El muestreo consistió en imágenes submarinas de S. latissima colgando verticalmente de una línea de cultivo utilizando un mini-ROV.
Se monitorearon las concentraciones de clorofila a in situ y la turbidez (proxies para las concentraciones de fitoplancton y partículas) para la visibilidad del agua.
Primero se compararon las estimaciones manuales de longitud de los individuos de algas obtenidas de las imágenes (a través de la anotación manual utilizando el software ImageJ). Luego, se aplicaron métodos de CV para segmentar y calcular el área de algas y luego se utilizaron estas mediciones como un indicador robusto de la biomasa de peso húmedo.
Resultados
Se observó una fuerte correlación lineal positiva (r2 = 0,959) entre las estimaciones de longitud de los marcos de imágenes submarinas y las mediciones manuales de las algas cosechadas. Utilizando algoritmos de aprendizaje no supervisados, como la agrupación de desplazamiento medio, la segmentación de color y los umbrales adaptativos del paquete OpenCV en Python, se segmentó el área de algas y se contó el número de píxeles individuales en el área de contorno.
Se encontró una relación de potencia positiva entre la longitud de las mediciones manuales con el área derivada del CV (r2 = 0,808) estimada a partir de imágenes submarinas. Del mismo modo, el área derivada del CV tenía una relación de poder positiva con la biomasa de peso húmedo (r² = 0,887).
Al eliminar datos donde la visibilidad era pobre debido a los altos niveles de turbidez (mediados de junio), la relación de potencia fue más fuerte entre las estimaciones de área derivada del CV y las mediciones de campo (r² = 0,976 para la biomasa en peso húmedo y r² = 0,979 para la longitud).
Conclusión
Estos resultados muestran que las estimaciones sólidas de la biomasa cultivada de algas in situ son posibles a través de la segmentación del color de las algas. Sin embargo, demostramos que la calidad del procesamiento posterior al CV y la precisión del modelo dependen en gran medida de las condiciones ambientales (por ejemplo, concentraciones de turbidez y clorofila a). El establecimiento de estas tecnologías tiene el potencial de ofrecer escalabilidad de la producción, un monitoreo eficiente en tiempo real del cultivo marítimo y mejores predicciones de rendimiento.
