AZTI desarrolla un modelo de IA que optimiza la identificación delos bancos de peces

El centro tecnológico AZTI, líder en la integración de nuevas tecnologías en la industria pesquera, ha desarrollado un innovador modelo Inteligencia Artificial (IA) para contribuir a la mejora de la gestión y sostenibilidad de los recursos pesqueros comerciales.

El equipo de AZTI ha desarrollado un modelo de aprendizaje automático que identifica las
principales especies pelágicas del Golfo de Bizkaia como anchoas, sardinas y verdeles
basándose en su comportamiento de agregación, lo que permite conocer la composición
específica de los bancos de peces detectados mediante equipos acústicos pesqueros. Esta
tecnología avanza en el desafío de determinar la composición de los bancos en situaciones
de alta diversidad, permitiendo estudiar cambios específicos del comportamiento en
presencia de otras especies. A partir de campañas multidisciplinares como JUVENA, este
tipo de estudios permiten no solo gestionar mejor las principales especies de peces
pelágicos, sino comprender mejor el funcionamiento integral del ecosistema, desde el
plancton a predadores apicales como aves y cetáceos.

El modelo de IA fue entrenado de manera parcialmente supervisada, combinando bancos
de peces totalmente identificados con otros parcialmente identificados. Los resultados se
presentan de forma probabilística, indicando la probabilidad de que un banco de peces pertenezca a una especie u otra, lo cual permite medir la confianza del modelo en cada
predicción.

Los resultados son prometedores: la aplicación de la IA en registros acústicos de sónares y
ecosondas de barcos pesqueros, podría ser una herramienta útil y efectiva para la mejora
de la gestión pesquera. La identificación de los bancos de peces reduciría
significativamente el tiempo de procesado y mejoraría la precisión de datos que se utilizan
para el monitoreo de la distribución y abundancia de especies. Pero su aplicación podría ir
más allá, estos modelos podrían implementarse en el sector pesquero, contribuyendo a la
mejora de la efectividad y sostenibilidad de la actividad pesquera, ya que una correcta
identificación de los bancos reduciría las capturas no deseadas.

Los resultados, publicados en la revista ICES Journal of Marine Science, muestran una
precisión del 63.5% en la clasificación de especies pelágicas en la parte supervisada y
aproximadamente del 80% en la parte semi-supervisada.

El principal autor de la investigación es el científico marino Aitor Lekanda, que actualmente
se encuentra realizando su tesis en AZTI bajo la supervisión de los investigadores
Guillermo Boyra y Maite Louzao. Lekanda destaca: “Al automatizar la identificación de
especies, no solo reducimos el tiempo de procesado de datos de las campañas científicas,
sino que nos abre las puertas a estudiar el comportamiento de agregación de las especies
pelágicas y al desarrollo de nuevas tecnologías para la mejora de la eficiencia, la
selectividad y sostenibilidad del sector pesquero”.

Liderazgo tecnológico
El desarrollo de esta aplicación de IA refuerza el liderazgo tecnológico de AZTI en el sector
pesquero. Su experiencia en la gestión de datos masivos y predicciones mediante machine
learning, big data e IA, ha permitido ofrecer soluciones innovadoras y sostenibles que
benefician tanto al sector pesquero como al medio ambiente marino.

Un ejemplo destacado es su participación en el proyecto europeo SMARTFISH, una
iniciativa que desarrolla y promueve sistemas inteligentes para el sector pesquero de la
Unión Europea, reduciendo su impacto ecológico. Además, AZTI coordina un paquete de
trabajo para la discriminación de tallas e identificación de especies en las pesquerías de
cerco, demostrando su compromiso con la sostenibilidad y eficiencia en la pesca.
Estos proyectos evidencian cómo AZTI utiliza su expertise en tecnologías avanzadas para
mejorar la eficiencia y sostenibilidad en el sector pesquero, estableciéndose como
referente en la aplicación de IA y big data en la pesca.