Las poblaciones de alosa del río migran cada primavera desde las aguas costeras de Massachusetts, iniciando su recorrido anual hacia los ríos y arroyos en busca de hábitats de reproducción en agua dulce. Sin embargo, estas especies han enfrentado severas disminuciones en sus números a lo largo de las últimas décadas, lo que ha llevado a un monitoreo exhaustivo de su migración en la región, principalmente a través de conteos visuales tradicionales y programas basados en voluntarios.
La vigilancia del movimiento de los peces y la comprensión de la dinámica poblacional son fundamentales para informar los esfuerzos de conservación y apoyar la gestión pesquera. Con el inicio del ciclo migratorio de las alosas este mes, investigadores y gestores de recursos se enfrentan nuevamente al desafío de contar y estimar con la mayor precisión posible la población migrante.
Nueva metodología para el monitoreo pesquero
Un equipo compuesto por investigadores del Woodwell Climate Research Center, MIT Sea Grant, el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL), el Laboratorio Lincoln del MIT y Intuit, ha explorado un nuevo método de monitoreo utilizando video submarino y visión por computadora para complementar los esfuerzos de ciencia ciudadana. Los autores, entre ellos Zhongqi Chen, Linda Deegan, Robert Vincent, Kevin Bennett, Sara Beery, Timm Haucke, Austin Powell y Lydia Zuehsow, publicaron un artículo sobre esta investigación en la revista Remote Sensing in Ecology and Conservation.
El documento, titulado “De instantáneas a estimaciones continuas: Aumentando la ciencia ciudadana con visión por computadora para el monitoreo pesquero”, detalla cómo los recientes avances en visión por computadora y aprendizaje profundo ofrecen soluciones prometedoras para automatizar el conteo de peces, mejorando tanto la eficiencia como la calidad de los datos.
Desafíos del monitoreo tradicional
Los métodos tradicionales de monitoreo están limitados por factores como el tiempo, las condiciones ambientales y la intensidad laboral. Los conteos visuales realizados por voluntarios se restringen a breves ventanas diurnas, lo que provoca que se pierdan movimientos nocturnos y pulsos migratorios cortos, durante los cuales cientos de peces pueden pasar en cuestión de minutos. Aunque tecnologías como el monitoreo acústico pasivo y el sonar de imágenes han avanzado en ciertas condiciones, la opción más prometedora y económica —la revisión manual del video submarino— sigue siendo intensiva en mano de obra y consume mucho tiempo.
Ante esta creciente demanda por soluciones automatizadas, este estudio presenta un sistema basado en aprendizaje profundo que es escalable, rentable y eficiente para un monitoreo confiable de peces. El equipo desarrolló una cadena completa —desde cámaras submarinas hasta etiquetado de videos y entrenamiento del modelo— para lograr un conteo automatizado potenciado por visión por computadora.
Análisis detallado mediante tecnología avanzada
Se recopilaron videos en tres ríos de Massachusetts: el río Coonamessett en Falmouth, el río Ipswich (Ipswich) y el río Santuit en Mashpee. Para preparar el conjunto de datos para entrenamiento, se seleccionaron clips con variaciones en iluminación, claridad del agua, especies y densidad de peces, así como diferentes momentos del día y estaciones del año. Esto garantizó que el modelo funcionara correctamente en diversos escenarios reales.
A través de una plataforma web abierta, se etiquetaron manualmente los videos cuadro por cuadro con cajas delimitadoras para rastrear el movimiento de los peces. En total, se etiquetaron 1,435 clips y se anotaron 59,850 fotogramas. Los investigadores compararon los conteos obtenidos mediante visión por computadora con revisiones humanas del video, conteos visuales junto al río y datos provenientes del etiquetado pasivo integrado (PIT).
Perspectivas futuras para la gestión pesquera
Llegaron a la conclusión que los modelos entrenados con datos diversos provenientes de múltiples sitios durante varios años fueron los más efectivos, produciendo conteos estacionales precisos que coincidían con estimaciones tradicionalmente establecidas. Además, este sistema proporcionó información sobre comportamientos migratorios relacionados con factores ambientales; por ejemplo, durante la migración del río Coonamessett en 2024 se contabilizaron 42,510 alosas del río.
"MIT Sea Grant ha estado financiando trabajos sobre este tema durante algún tiempo", comenta Vincent. Este avance no solo mejorará las capacidades de monitoreo pesquero sino también las evaluaciones poblacionales para gestores pesqueros y grupos conservacionistas.
A pesar del progreso logrado mediante tecnología avanzada, es esencial continuar con métodos tradicionales para mantener consistencia en los conjuntos de datos a largo plazo hasta que las agencias encargadas gestionen sistemas automatizados completamente implementados. La integración entre observaciones ciudadanas y datos generados por visión por computadora promete ofrecer un enfoque más completo hacia el monitoreo ambiental.
Dicha investigación recibió financiación por parte de MIT Sea Grant y apoyo adicional del Northeast Climate Adaptation Science Center, así como otros fondos destinados a proyectos relacionados con agua y sistemas alimentarios.
Si (
No(
