Sistemas de Cultivo

Revolución en la crianza del camarón: Conjunto de datos apunta a optimizar la estimación de biomasa con IA

Foto del autor

By Milthon Lujan

Imágenes de ejemplo de los diferentes subconjuntos de datos. Fuente: Ramírez-Coronel et al., (2024); Data in Brief, 57, 110964.
Imágenes de ejemplo de los diferentes subconjuntos de datos. Fuente: Ramírez-Coronel et al., (2024); Data in Brief, 57, 110964.

Tradicionalmente, el cultivo de camarones se basa en procesos manuales para estimar la biomasa del estanque (el peso total de los camarones dentro de un estanque). Este método es lento, propenso a errores y, en última instancia, limita la eficiencia de la granja. Sin embargo, una nueva ola de innovación está en el horizonte, impulsada por los avances en visión artificial (CV) e inteligencia artificial (IA).

Un conjunto de datos publicado recientemente en la revista Data in Brief, por científicos del Tecnológico Nacional de México y de la Universidad Estatal de Sonora, disponible de forma gratuita para los investigadores, allana el camino para el desarrollo y la prueba de modelos sofisticados que pueden detectar y medir con precisión los camarones, lo que conduce a un enfoque más preciso y simplificado para la estimación de la biomasa.

Acuicultura de precisión: un enfoque basado en datos

La estimación precisa de la biomasa de camarones es una piedra angular de la acuicultura de precisión. Al comprender el peso total de los camarones en un estanque, los acuicultores pueden optimizar la gestión de los alimentos, reducir los costos operativos y minimizar el impacto ambiental. Sin embargo, los métodos tradicionales de estimación de biomasa a menudo implican técnicas invasivas que pueden estresar y dañar las poblaciones de camarones.

READ  CTSA publica avances del potencial acuícola de los poliquetos de Hawai

El problema: las deficiencias de la medición manual

Los métodos actuales de estimación de la biomasa del camarón implican la captura física de muestras, su medición individual y la extrapolación de los resultados para estimar el peso total del estanque. Este proceso lento y disruptivo introduce imprecisiones y puede afectar negativamente la salud del camarón. Además, depender únicamente de mediciones manuales limita la capacidad de recopilar datos con frecuencia, lo que dificulta la toma de decisiones en tiempo real para la gestión de las granjas.

Las imprecisiones en las mediciones del camarón pueden generar un efecto dominó de problemas, que incluyen:

  • Alimentación ineficiente: La sobrealimentación o la subalimentación pueden afectar negativamente la salud de los camarones, la calidad del agua y los costos de producción.
  • Cosechas retrasadas: Las estimaciones de biomasa inexactas pueden generar cosechas retrasadas, lo que afecta tanto la calidad de los camarones como las oportunidades de mercado.
  • Estrés innecesario: La manipulación física repetida puede estresar a los camarones, lo que puede obstaculizar su crecimiento y afectar la productividad general de la granja.

Las limitaciones de los métodos actuales han impulsado el desarrollo de enfoques no invasivos. Estas técnicas tienen como objetivo estimar la biomasa de camarones sin capturar y pesar físicamente a los animales individuales. La visión artificial (CV) y la inteligencia artificial (IA) ofrecen soluciones prometedoras, pero requieren conjuntos de datos grandes y diversos para entrenar modelos efectivos.

La solución: un conjunto de datos para la innovación con IA

El nuevo conjunto de datos aborda este desafío al proporcionar una colección completa de imágenes de camarones y las mediciones manuales correspondientes. A continuación, se incluye un desglose de los datos:

  • Captura de imágenes: Se capturaron más de 5500 imágenes de camarones en entornos controlados con niveles de agua constantes.
  • Muestras de camarones: Se midió la longitud total, la longitud del cefalotórax y el peso de un total de 170 camarones individuales.
  • Organización de los datos: El conjunto de datos está dividido convenientemente en cinco subcarpetas, con los archivos Excel correspondientes que contienen mediciones manuales detalladas.
  • Diversas condiciones de cultivo: Se capturaron imágenes de camarones cultivados tanto en granjas industriales como en entornos de investigación universitaria, lo que ofrece información valiosa sobre las variaciones en el tamaño y la apariencia de los camarones.
READ  Adición de metionina en la dieta puede mejorar el rendimiento y la supervivencia del camarón marino

Desbloqueo del potencial de la IA y la VC

Este rico conjunto de datos proporciona a los investigadores y desarrolladores una herramienta poderosa para explorar una variedad de enfoques:

  • Modelos de visión artificial: Los datos de imagen se pueden utilizar para entrenar modelos de VC que detecten automáticamente camarones individuales dentro de una imagen de estanque.
  • Estimación de biomasa impulsada por IA: La combinación de la detección de camarones con VC con algoritmos de IA puede conducir al desarrollo de modelos que calculen con precisión la biomasa total del estanque basándose únicamente en imágenes.
  • Aprendizaje automático con datos manuales: Los modelos de aprendizaje automático pueden aprovechar las mediciones detalladas del conjunto de datos para explorar las correlaciones entre el tamaño y el peso del camarón, lo que potencialmente conduce a una estimación de biomasa más eficiente incluso sin análisis de imágenes.

Beneficios para la industria de cultivo de camarones

El desarrollo exitoso de modelos de estimación de biomasa impulsados ​​por IA revolucionará el cultivo de camarones al:

  • Mayor precisión: Los datos precisos de biomasa del estanque conducirán a decisiones de gestión más informadas con respecto a la alimentación, la cosecha y la optimización general de la granja.
  • Costos reducidos: Los métodos de recopilación de datos optimizados ahorrarán tiempo y recursos, mejorando la eficiencia de las granjas.
  • Bienestar animal mejorado: La menor necesidad de muestreo manual reducirá el estrés en las poblaciones de camarones.
  • Toma de decisiones basada en datos: Los datos de biomasa en tiempo real permitirán a los acuacultores tomar decisiones basadas en datos para mejorar la sostenibilidad y la rentabilidad.
  • Estrategias de alimentación optimizadas: La estimación precisa de la biomasa permite planes de alimentación personalizados, lo que minimiza el desperdicio y maximiza la salud de los camarones.
READ  Regulación a pesca de camarón en Colombia no disminuye impacto ambiental

El conjunto de datos ofrece un recurso valioso para investigadores y desarrolladores que trabajan en modelos de visión artificial y aprendizaje automático para la estimación de la biomasa de los camarones. También proporciona una base para comparar la eficacia de estos modelos con las técnicas tradicionales que se basan únicamente en características extraídas manualmente.**

El futuro del cultivo de camarones

La publicación de este conjunto de datos marca un hito importante en el desarrollo de la estimación de biomasa impulsada por IA para el cultivo de camarones. Al proporcionar a los investigadores un conjunto de datos rico y diverso, este recurso puede acelerar el desarrollo de soluciones innovadoras que transformarán la industria de la acuicultura.

El estudio fue parcialmente financiado por CONAHCYT y por el Tecnológico Nacional de México.

Contacto
Edgard Esquer-Miranda
Universidad Estatal de Sonora
Av. Ley Federal del Trabajo S/N, Hermosillo, Sonora C.P. 83100, México
Email: edgard.esquer@ues.mx

Referencia (acceso abierto)
Ramírez-Coronel, F. J., Esquer-Miranda, E., Rodríguez-Elias, O. M., García-Hinostro, P., & Parra-Salazar, G. C. (2024). A Litopenaeus vannamei shrimp dataset for artificial intelligence-based biomass estimation and organism detection algorithms. Data in Brief, 57, 110964. https://doi.org/10.1016/j.dib.2024.110964