Un equipo del Instituto de Investigación Marina (INMAR) de la Universidad de Cádiz ha desarrollado un sistema de inteligencia artificial para detectar silbidos de cetáceos en el Estrecho de Gibraltar, uno de los entornos marinos más ruidosos y complejos del mundo.
La herramienta reduce de forma drástica el tiempo de revisión manual de las grabaciones de forma que en un día se pueden procesar 500 horas de grabaciones submarinas con una fiabilidad cercana al 88 %, según explica la investigadora de la UCA Neus Pérez, coautora del estudio, en una nota de prensa difundida por la Fundación Descubre.
La metodología es transferible a programas de monitorización acústica en otras regiones, no solo en entornos marinos con condiciones difíciles, según señalan en el artículo ‘Iterative deep learning for cetacean whistle detection in the Strait of Gibraltar’, publicado en la revista Engineering Applications of Artificial Intelligence.
Monitorización acústica en Tarifa
Se ha puesto en marcha en el Estrecho de Gibraltar, un corredor natural entre el Atlántico y el Mediterráneo, que soporta una gran cantidad de tráfico marítimo.
Es también una zona que genera un área de corrientes y fenómenos oceanográficos únicos que favorecen la existencia de una gran diversidad y riqueza de especies marinas, con presencia regular de delfines, grandes odontocetos como orcas y cachalotes, y algunas ballenas y otras especies migratorias.
Los investigadores instalaron sistemas de monitorización acústica pasiva cerca de la isla de Tarifa y recopilaron más de 1.300 horas de audio en cuatro sondeos, realizados durante mes y medio en diferentes épocas del año y utilizando hidrófonos o micrófonos submarinos para registrar de forma continua los sonidos del mar sin interferir en el comportamiento de los animales, lo que permite el seguimiento nocturno, con mala visibilidad, temporales o a gran profundidad.
Paralelamente, desarrollaron un sistema para automatizar el proceso y seleccionar de manera inteligente los fragmentos con mayor probabilidad de contener vocalizaciones de cetáceos.
Audios de internet
Para entrenarlo utilizaron como base audios existentes en internet de sonidos de cetáceos. Y mediante técnicas de transferencia de aprendizaje adaptaron al entorno marino modelos de inteligencia artificial originalmente diseñados para reconocer cantos de aves.
A esos registros previos se unieron las grabaciones reales mediante un proceso iterativo.
“El algoritmo analizaba los datos nuevos y señalaba posibles silbidos. Los expertos revisaban únicamente esos fragmentos y confirmaban cuáles eran correctos. Esa información volvía al entrenamiento, permitiendo que el modelo aprendiera las particularidades acústicas locales y redujera errores”, destaca la investigadora Alba Márquez.
“Haber anotado y revisado de forma manual más de 1.300 horas nos hubiese llevado meses o incluso años de trabajo; sería inviable», añade.
“Los cetáceos son conocidos por su habilidad comunicativa, pero muchísimos organismos marinos generan sonido. Analizar ese conjunto nos permite evaluar un área marina y la calidad del agua, especialmente en zonas como el Estrecho, donde domina el componente humano”, matiza Pérez.
Aplicaciones potenciales
Las aplicaciones potenciales de la herramienta son amplias, tanto para la investigación científica como para la gestión y conservación marina.
La principal es poder monitorizar de forma continua y no invasiva la presencia de cetáceos. Y así obtener datos sobre sus patrones de actividad o sobre el impacto acústico en zonas de alta actividad marítima.
La metodología es extrapolable además a otros entornos marinos. Los científicos van a aplicarlo a un proyecto para estudiar la presencia de peces en torno a la posidonia en Ibiza. Este es un ambiente mucho menos ruidoso.
Este trabajo forma parte del proyecto SEANIMALMOVE, financiado por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y los fondos europeos Next Generation EU.
..........
Señor Lector, este es solo un reporte. La información completa está en la edición impresa de El Potosí.
