La IA irrumpe en la reproducción del lenguado para mejorar la eficiencia y la sostenibilidad del cultivo

Un equipo de investigadores de IRTA y la Universitat Rovira i Virgili ha desarrollado un sistema basado en inteligencia artificial que podría transformar la producción del lenguado senegalés (Solea senegalensis). El modelo es capaz de predecir noches de desove con una precisión del 90% al 100% mediante un análisis automatizado y continuo del comportamiento reproductivo durante toda la noche, un proceso que hasta ahora dependía exclusivamente de la observación humana.

El mayor desafío del cultivo de esta especie sigue siendo la incapacidad de los reproductores nacidos en cautividad para completar adecuadamente el proceso de cortejo y desove. Resolver esta limitación es clave para garantizar la autosuficiencia del sector y reducir su dependencia de ejemplares salvajes.

Esto afecta especialmente a los machos de la especie, sin que todavía se conozcan las causas exactas de este problema. Como consecuencia, la industria se ve obligada a recurrir cada temporada a reproductores salvajes, un recurso limitado, costoso e insostenible a largo plazo, que introduce además incertidumbre regulatoria y logística.

Mientras llega la solución para este problema, el sistema desarrollado en el IRTA anticipa – con gran fiabilidad – las noches en que es más probable que se produzca el desove de los reproductores salvajes. Para ello, los investigadores combinaron visión computacional (YOLOv8), algoritmos de seguimiento individual (DeepSORT) y un modelo predictivo que integra conductas clave como Rest the Head, Guardian, Follow y la actividad locomotora.

De todos, la actividad locomotora se reveló como el predictor más sólido, lo que simplifica futuras implementaciones y reduce costes operativos.

Un sistema que puede revolucionar la gestión de reproductores de la especie

Este enfoque automatizado puede modificar por completo la dinámica reproductiva en cautividad. Al analizar noches completas (17:00–23:00), detectar comportamientos reproductivos incluso cuando son sutiles y generar alertas cuando la probabilidad de desove aumenta, las granjas pueden aprovechar mejor los momentos en que los ejemplares cultivados muestran actividad reproductiva, optimizar la recolección de huevos sin depender de vigilancia manual constante, planificar turnos de personal únicamente cuando es necesario y generar grandes volúmenes de datos para seleccionar reproductores nacidos en cautividad con mejor desempeño.

Todo ello incrementa la eficiencia reproductiva del stock cultivado y reduce la necesidad de incorporar ejemplares salvajes para sostener la producción. A largo plazo, la mejora de la selección genética y del manejo basada en datos podría cerrar definitivamente la brecha entre peces salvajes y peces nacidos en cautividad.

Los autores subrayan que esta tecnología es compatible con sistemas ya presentes en la mayoría de instalaciones y puede integrarse en procesos de automatización propios de la acuicultura 4.0. Asimismo, podría adaptarse a otras especies con retos reproductivos similares, ampliando su impacto potencial en el sector.

Para una industria que lleva años buscando alcanzar la autosuficiencia reproductiva del lenguado, este trabajo marca un punto de inflexión: la inteligencia artificial deja de ser una promesa y se convierte en una herramienta concreta, fiable y lista para incorporarse a los centros de producción.

Referencia:

Qadir, A., Duncan, N., González-López, W. Á., Fatsini, E., & Serratosa, F. (2025). Automated prediction of spawning nights using machine learning analysis of flatfish behaviour. Smart Agricultural Technology, 101668.
https://doi.org/10.1016/j.atech.2025.101668