Los piscicultores, a diferencia de los pastores, no pueden saber con exactitud cuántos animales tienen bajo el agua ni identificarlos individualmente. Sin embargo, los avances tecnológicos están acercando cada vez más esa posibilidad.
Un equipo de investigadores de la Universidad Oceánica de China ha desarrollado un sistema de identificación no invasivo basado en deep learning, capaz de realizar un seguimiento individual de los organismos de acuicultura sin necesidad de utilizar etiquetas físicas o marcas que puedan generar estrés, ralentizar el crecimiento o aumentar la vulnerabilidad a enfermedades.
La herramienta, denominada FishFaceID, permite el manejo individualizado de los peces, lo que abre la puerta a una alimentación personalizada, una selección genética más precisa y una mejor prevención sanitaria, pilares de la Acuicultura de Precisión (AP) moderna.
Como aspecto innovador, el sistema emplea un modelo de aprendizaje profundo llamado Vim-FFID, basado en la arquitectura Vision Mamba, específicamente diseñado para el reconocimiento de grano fino bajo el agua. Según los autores, este enfoque ofrece una alta precisión y robustez incluso frente a condiciones adversas típicas de las granjas comerciales, como la turbidez del agua, la superposición entre individuos o los cambios de iluminación y cámara entre sesiones.
Los investigadores reportan una precisión del 98,81% (Acc@1) en el subconjunto de pepinos de mar, demostrando la viabilidad del método.
A diferencia de estudios anteriores, centrados en una sola especie o en entornos controlados de laboratorio, este trabajo propone una solución escalable para la industria, validada en un benchmark multiespecie que incluye organismos marinos y de agua dulce, como el pepino de mar, el mero coralino leopardo, el mero azul moteado y la carpa herbívora.
Además, el equipo con sede en Qingdao y Sanya ha liberado el conjunto de datos generado, con el fin de impulsar el desarrollo de tecnologías abiertas y colaborativas para la acuicultura de próxima generación.
