REPORTAJE

Inteligencia Artificial y modelos de crecimiento: Cómo mejorar la sostenibilidad de la acuicultura

Por Alejandro Güelfo 28/10/2024 | A pesar de que la integración puede suponer una alta inversión inicial y desafíos técnicos, el retorno vendrá por la vía de la optimización del índice de conversión de alimento y la predicción de las cosechas

AI data laptop

La aplicación de modelos de crecimiento en acuicultura permiten predecir el desarrollo de las especies, optimizar la alimentación y mejorar la gestión de los recursos durante el ciclo de producción y, con esto, la sostenibilidad de la actividad. Uno de los modelos más utilizados es el de von Bertalanffy, el cual se comenzó a emplear en 1934 en ámbitos ganaderos y, ahora, también es ampliamente aplicado en acuicultura.

Este método tiene como principales características respecto a otros métodos como el Modelo Logístico o el Modelo de Gompertz que se enfoca en los procesos metabólicos de anabolismo y catabolismo, lo que le permite describir de manera más precisa el crecimiento individual de los organismos a lo largo del tiempo, ajustándose mejor a especies que presentan un crecimiento asintótico.

Con el avance de la Inteligencia Artificial, la combinación de machine learning (aprendizaje automático) y los modelos de crecimiento tradicionales supera muchas de las limitaciones de estos modelos, ya que al integrar datos en tiempo real y ajustar automáticamente las predicciones de crecimiento, mejoran tanto la precisión como la adaptabilidad de los sistemas a las condiciones cambiantes.

La Inteligencia Artificial optimiza los modelos de crecimiento

ras-innovaquaSistema RAS de INNOVAQUA

La IA puede procesar grandes volúmenes de datos, identificar patrones de crecimiento y ajustarse en función de condiciones variables como la temperatura, calidad del agua, alimentación y densidad de población. La integración con un Modelo de crecimiento, como por ejemplo de Bertalanffy, permite realizar predicciones mucho más precisas del crecimiento de los peces, lo cual es especialmente útil en acuicultura, donde los entornos pueden cambiar rápidamente y afectar el crecimiento de las especies.

La alimentación es uno de los principales costos en la acuicultura, y la IA puede optimizar este aspecto de manera significativa. Al usar algoritmos de aprendizaje automático, los sistemas de IA pueden ajustar automáticamente la cantidad de alimento suministrado, basándose en el tamaño de los peces, su tasa de crecimiento y las condiciones del agua. Esto no solo mejora el crecimiento, sino que también reduce el desperdicio de alimentos y, en consecuencia, la contaminación ambiental.

La IA se puede integrar con tecnologías de Internet de las Cosas (IoT), como sensores y cámaras, para proporcionar un monitoreo en tiempo real de las condiciones ambientales y el estado de los peces. Esto permite a los acuicultores realizar ajustes inmediatos en la alimentación o en la gestión de los sistemas de cultivo, mejorando la eficiencia y reduciendo las pérdidas. Además, el monitoreo continuo ayuda a detectar problemas de salud o calidad del agua antes de que se conviertan en amenazas para la producción.

La IA también facilita la creación de modelos híbridos, que combinan el enfoque metabólico del Modelo de von Bertalanffy con otras técnicas de IA, como redes neuronales y árboles de decisión. Estos modelos híbridos pueden adaptarse a diferentes condiciones ambientales y fisiológicas, ofreciendo una solución más completa y flexible para la gestión del crecimiento. La capacidad de la IA para ajustarse dinámicamente a las nuevas condiciones proporciona una ventaja competitiva significativa en la acuicultura moderna.

Costes y desafíos de implementar IA y modelos de crecimiento

Inteligencia Artificial

Implementar IA y modelos tradicionales de crecimiento en acuicultura puede tener costes iniciales y ciertos desafíos técnicos, pero con el avance de la tecnología, estos costes irán disminuyendo y la dificultad se irá mitigado con soluciones más accesibles y fáciles de usar. 

A largo plazo, los beneficios en términos de optimización, eficiencia y sostenibilidad pueden hacer que la inversión valga la pena, proporcionando un retorno de inversión positivo y ayudando a mejorar la competitividad y la sostenibilidad del sector.

A nivel técnico, para implementar IA y modelos tradicionales de crecimiento, es necesario contar con una infraestructura adecuada, como sensores, cámaras y sistemas de monitoreo en tiempo real (Internet de las Cosas o IoT). 

Por otra parte, integrar la IA con los modelos de crecimiento, hace necesario contar con expertos en análisis de datos, desarrollo de algoritmos y biología acuícola. 

El desarrollo y adquisición de software de IA especializado para analizar los datos de crecimiento puede implicar también costes, dependiendo de si se desarrollan soluciones personalizadas o se adquieren plataformas ya existentes. Las soluciones de software basadas en IA varían en precio según su complejidad y el soporte técnico ofrecido por lo que es un aspecto importante a tener en cuenta.

Uno de los desafíos más grandes es integrar correctamente los datos de múltiples fuentes, por ejemplo, calidad del agua, temperatura, alimentación y crecimiento de los peces. La IA necesita datos consistentes y de calidad para realizar predicciones precisas. Establecer un sistema robusto para la recopilación y gestión de datos puede requerir tiempo y esfuerzo, y si no se hace correctamente, puede limitar la eficacia de la IA.

Otro aspecto a tener en cuenta es el mantenimiento y actualización. Los sistemas de IA y modelos de crecimiento requieren mantenimiento regular y actualización para garantizar su rendimiento óptimo. Las actualizaciones pueden implicar la implementación de nuevas funciones o mejoras en los algoritmos a medida que se recopilan más datos. Esto añade una capa de complejidad y necesidad de soporte técnico continuo.

Por el momento este tipo de integración es adecuada en sistemas de recirculación en acuicultura, ya sea a nivel de criadero o pre-engorde, o en los sistemas de engorde actuales de salmón Atlántico, trucha arcoíris, rodaballo, lenguado, o seriola.

Otra integración interesante puede ser en sistemas de acuaponía ya que son aptos cuando cuentan con sensores.

Aunque más desafiantes por la dificultad de controlar los parámetros, estos sistemas también pueden adaptarse a viveros flotantes y estanques de acuicultura.

Te puede interesar