Cada año, los científicos marinos en todo el mundo tienen que revisar miles de imágenes de otolitos y escamas para determinar la estructura de edad de las poblaciones pesqueras comerciales.
Este conocimiento es importante para la gestión pesquera y la conservación. Sin embargo, el procedimiento de revisión de los otolitos y escamas requiere de tiempo y es costoso debido a la mano de obra especializada que se requiere para identificar las zonas de crecimiento en los otolitos.
Esto limita el número de peces que pueden ser analizados para determinar su edad, y los programas de monitoreo dependen en los modelos de crecimiento para determinar la composición por edades de una población de peces.
Investigadores del Hellenic Centre for Marine Research (Grecia), Hellenic Navy, del National Centre for Scientific Research “Demokritos”, Norwegian Computing Center, Institute of Marine Research (Noruega) y de la University of Bergen desarrollaron la plataforma de inteligencia artificial de acceso abierto DeepOtolith que provee un sistema web con una interfaz simple que automáticamente estima la edad de los peces mediante la combinación de las imágenes de los otolitos con redes neuronales convolucionales (CNN).
Métodos de lectura de los otolitos
Los métodos para leer automáticamente los otolitos para determinar la edad de los peces han sido propuestos usando diversos datos, como imágenes, características biológicas de los peces y características geométricas.
Aunque los diferentes métodos han mostrado buena previsibilidad, requieren de información biológica y geométrica adicional y una compleja etapa de preprocesamiento para extraer ciertas características de las imágenes de los otolitos, antes de ser capaces de determinar la edad del pez.
DeepOtolith
La plataforma DeepOtolith reúne a investigadores en inteligencia artificial, científicos pesqueros y desarrolladores de software para cerrar la brecha entre el estado del arte de las técnicas de computación y la investigación en otolitos.
El usuario puede exportar las estimaciones de edad de los peces de múltiples imágenes para realizar sus investigaciones vinculadas con la edad.
En la actualidad, la plataforma contiene modelos de tres especies de peces: halibut (Reinhardtius hippoglossoides), salmón del Atlántico (Salmo salar) y salmonete griego (Mullus barbatus). Sin embargo, los desarrolladores esperan incorporar más especies conforme se publiquen más estudios.
Para demostrar la funcionalidad de la plataforma, los investigadores cargaron 30 imágenes de cada especie, junto con la edad estimada por especialistas humanos.
El acceso público a soluciones de inteligencia artificial es la característica novedosa de DeepOtolith. El objetivo del sistema fue disminuir la cantidad de tiempo y esfuerzo que demanda la investigación para estimar la edad de los peces.
Asimismo, la disponibilidad de modelos también puede estimular las investigaciones en el futuro, permitiendo comparaciones.
Una ventaja principal de la plataforma DeepOtolith es que beneficia directamente a los científicos sin experiencia en computación, quienes quieren procesar sus bases de datos para las especies disponibles en la plataforma.
“Cabe señalar que DeepOtolith, al igual que con cualquier plataforma construida para ahorrar tiempo y dinero, empodera al usuario con métodos automatizados pero no reemplaza por completo los métodos convencionales de investigación”, destacan los investigadores.
Además indican que las diferencias informadas en la precisión de la edad y las estimaciones de error entre los estudios de casos pueden explicarse por las diferentes duraciones de vida de las especies estudiadas, el tamaño de los conjuntos de datos y las CNN adoptadas.
“Estos comentarios implican que los usuarios deben prestar atención a la forma en que utilizan la plataforma; los estudios de casos son específicos de cada especie y no deben utilizarse para otras especies; y se debe considerar la incertidumbre en la predicción de la edad, especialmente para los peces más viejos”, concluyen.
Para cada estudio de caso, se adoptó una configuración de imagen diferente de los otolitos o escamas. Debido a que diferentes condiciones de iluminación, niveles de zoom o fondos de las imágenes probadas pueden afectar el rendimiento de las CNN, los usuarios de la página web deben considerar en la medida de los posible, los protocolos descritos para lograr una estimación de edad más confiable.
Referencia (acceso libre)
Politikos, Dimitris V., Nikolaos Sykiniotis, Georgios Petasis, Pavlos Dedousis, Alba Ordoñez, Rune Vabø, Aikaterini Anastasopoulou, Endre Moen, Chryssi Mytilineou, Arnt-Børre Salberg, Archontia Chatzispyrou, and Ketil Malde. 2022. «DeepOtolith v1.0: An Open-Source AI Platform for Automating Fish Age Reading from Otolith or Scale Images» Fishes 7, no. 3: 121. https://doi.org/10.3390/fishes7030121
