La maduración sexual precoz es uno de los problemas más silenciosos —y costosos— de la acuicultura moderna. Cuando un porcentaje relevante de salmones de cultivo madura antes de tiempo, la calidad del producto disminuye, la eficiencia productiva cae y la rentabilidad se ve comprometida. En sistemas de acuicultura de recirculación (RAS), donde el control ambiental es alto pero las señales externas pueden volverse ambiguas, detectar a tiempo este proceso biológico sigue siendo un gran desafío.
Un reciente estudio de prueba de concepto propone una solución tecnológica innovadora: utilizar imagenología hiperespectral instantánea (snapshot HSI) combinada con aprendizaje automático para identificar de forma no invasiva la madurez sexual en el salmón del Atlántico (Salmo salar). La investigación abre una ventana prometedora hacia sistemas de monitoreo objetivo, rápido y potencialmente aplicable en tiempo real dentro de las pisciculturas terrestres.
Más allá del ojo humano
Tradicionalmente, la evaluación de la madurez sexual en salmón se ha basado en rasgos externos como la coloración de la piel, la forma del cuerpo o la blandura del abdomen. Sin embargo, estos indicadores son subjetivos, variables y, en muchos casos, aparecen tarde o no aparecen en absoluto, especialmente en hembras y en peces cultivados en RAS. En tanto, métodos más precisos, como el índice gonadosomático (GSI), la histología o el análisis hormonal, son invasivos y solo pueden aplicarse tras la cosecha.
Frente a este escenario, la imagenología hiperespectral ofrece una ventaja clave: captura información óptica y bioquímica que el ojo humano no puede percibir, registrando cómo los tejidos reflejan la luz en cientos de longitudes de onda distintas. A diferencia de los sistemas hiperespectrales tradicionales, que requieren que el objeto esté inmóvil, la tecnología snapshot permite capturar todo el “cubo” espectral en una sola exposición, lo que la hace especialmente atractiva para entornos dinámicos como la acuicultura.
El experimento: 52 salmones bajo la lupa espectral
El estudio se realizó con 52 salmones del Atlántico exclusivamente hembras, criados desde la etapa embrionaria en condiciones controladas hasta alcanzar aproximadamente 2 kg de peso en sistemas RAS. Ante una respuesta alimentaria inferior a la esperada —posiblemente asociada a maduración temprana—, los peces fueron muestreados tras la cosecha.
Utilizando una cámara hiperespectral snapshot equipada con iluminadores halógenos, los investigadores capturaron imágenes en 164 bandas espectrales, cubriendo un amplio rango desde el ultravioleta cercano hasta el infrarrojo cercano (350–1000 nm). A partir de regiones de interés (ROI) en la piel de los peces, se extrajeron los espectros de reflectancia y se analizaron mediante distintas herramientas estadísticas y de aprendizaje automático.
Firmas ópticas de la madurez
Los resultados revelaron diferencias sistemáticas en la reflectancia espectral entre peces maduros e inmaduros. Ambos grupos mostraron picos en la región ultravioleta, seguidos de una caída rápida, pero a partir de los 426 nm emergieron patrones divergentes: los peces inmaduros tendieron a reflejar ligeramente más luz que los maduros en gran parte del espectro visible y del infrarrojo cercano.
Análisis de similitud espectral, como la distancia de Jeffries–Matusita (J-M), confirmaron que la mayor capacidad de discriminación se concentró en el rango de 350–500 nm, con máximos alrededor de los 395 nm. Este intervalo coincide con regiones donde actúan cromóforos biológicos clave —como carotenoides, melanina y hemoglobina— estrechamente vinculados a cambios fisiológicos asociados a la maduración sexual.
La curva de relación espectral reforzó esta conclusión: las mayores variaciones entre peces maduros e inmaduros se concentraron nuevamente en el UV y el visible temprano. Estas diferencias podrían reflejar cambios en la pigmentación, la estructura de la piel, el grosor de la cutícula o la redistribución de carotenoides, procesos bien documentados durante la maduración en salmonídeos.
¿Puede una máquina distinguir la madurez?
Para traducir estas señales ópticas en decisiones prácticas, el equipo probó diversos algoritmos de clasificación. Los modelos de ensamble, en particular Extra Trees y Random Forest, destacaron por su rendimiento, alcanzando el primero una precisión máxima del 81,8 % utilizando el espectro completo. La selección de características resultó clave: al reducir la dimensionalidad y concentrarse en bandas informativas, la precisión se mantuvo alta y consistente.
De forma notable, las longitudes de onda más relevantes se agruparon de manera reiterada entre 350 y 500 nm, especialmente alrededor de 438–446 nm. Estas bandas coinciden con picos de absorción conocidos de carotenoides como la tunaxantina y la luteína, lo que aporta una base fisiológica sólida a los resultados observados.
Un paso hacia sensores más simples y aplicaciones en tiempo real
Aunque el análisis de componentes principales (PCA) permitió capturar más del 98 % de la variabilidad espectral, la superposición parcial entre clases recordó una realidad clave: la madurez sexual es un proceso biológico complejo y continuo, no siempre separable de forma lineal. Aun así, los modelos supervisados demostraron que existe suficiente información espectral para una clasificación funcional y prometedora.
Los autores subrayan que este trabajo es un estudio de viabilidad. La “verdad de campo” utilizada —basada en indicadores visuales externos— es una limitación, y los investigadores sugieren que las futuras investigaciones deberán integrar métricas fisiológicas más robustas como GSI, perfiles hormonales o expresión génica. Sin embargo, el mensaje central del estudio es claro: la imagenología hiperespectral tiene el potencial de convertirse en una herramienta no invasiva, objetiva y escalable para gestionar la madurez sexual en acuicultura.
Mirando hacia el futuro
De acuerdo a la investigación, el siguiente paso será validar estos modelos con conjuntos de datos más amplios y diversos, capturados a lo largo de distintas etapas biológicas, y llevar la tecnología al entorno submarino de los sistemas RAS. La identificación consistente de bandas clave abre además la puerta al desarrollo de sensores multiespectrales de banda reducida, más económicos y aptos para aplicaciones industriales en tiempo real.
En un sector donde cada decisión temprana cuenta, ver lo invisible podría marcar la diferencia. La combinación de imagenología avanzada y aprendizaje automático promete transformar la forma en que se monitorea la biología de los peces, acercando a la acuicultura a un futuro más preciso, sostenible y basado en datos.
