AZTI desarrolla un modelo de Inteligencia Artificial que optimiza la identificaci\u00f3n de los bancos de peces para mejorar la sostenibilidad pesquera.<\/p>\n\n\n\n
Clasifica autom\u00e1ticamente especies como la anchoa, la sardina o el verdel a partir de las caracter\u00edsticas de sus registros ac\u00fasticos.<\/p>\n\n\n\n
El centro tecnol\u00f3gico AZTI ha desarrollado un innovador modelo de Inteligencia Artificial (IA) para contribuir a la mejora de la gesti\u00f3n y sostenibilidad de los recursos pesqueros comerciales.<\/p>\n\n\n\n
El equipo de AZTI ha desarrollado un modelo de aprendizaje autom\u00e1tico que identifica las principales especies pel\u00e1gicas del Golfo de Bizkaia como anchoas, sardinas y verdeles bas\u00e1ndose en su comportamiento de agregaci\u00f3n, lo que permite conocer la composici\u00f3n espec\u00edfica de los bancos de peces detectados mediante equipos ac\u00fasticos pesqueros.<\/p>\n\n\n\n
Esta tecnolog\u00eda avanza en el desaf\u00edo de determinar la composici\u00f3n de los bancos en situaciones de alta diversidad, permitiendo estudiar cambios espec\u00edficos del comportamiento en presencia de otras especies.<\/p>\n\n\n\n
A partir de campa\u00f1as multidisciplinares como JUVENA, este tipo de estudios permiten no solo gestionar mejor las principales especies de peces pel\u00e1gicos, sino comprender mejor el funcionamiento integral del ecosistema, desde el plancton a predadores apicales como aves y cet\u00e1ceos.<\/p>\n\n\n\n
El modelo de IA fue entrenado de manera parcialmente supervisada, combinando bancos de peces totalmente identificados con otros parcialmente identificados.<\/p>\n\n\n\n
Los resultados se presentan de forma probabil\u00edstica, indicando la probabilidad de que un banco de peces pertenezca a una especie u otra, lo cual permite medir la confianza del modelo en cada predicci\u00f3n.<\/p>\n\n\n\n
Los resultados son prometedores: la aplicaci\u00f3n de la IA en registros ac\u00fasticos de s\u00f3nares y ecosondas de barcos pesqueros, podr\u00eda ser una herramienta \u00fatil y efectiva para la mejora de la gesti\u00f3n pesquera.<\/p>\n\n\n\n
La identificaci\u00f3n de los bancos de peces reducir\u00eda significativamente el tiempo de procesado y mejorar\u00eda la precisi\u00f3n de datos que se utilizan para el monitoreo de la distribuci\u00f3n y abundancia de especies.<\/p>\n\n\n\n
Y su aplicaci\u00f3n podr\u00eda ir m\u00e1s all\u00e1. Estos modelos podr\u00edan implementarse en el sector pesquero, contribuyendo a la mejora de la efectividad y sostenibilidad de la actividad pesquera, ya que una correcta identificaci\u00f3n de los bancos reducir\u00eda las capturas no deseadas.<\/p>\n\n\n\n
Los resultados, publicados en la revista ICES Journal of Marine Science, muestran una precisi\u00f3n del 63,5% en la clasificaci\u00f3n de especies pel\u00e1gicas en la parte supervisada y aproximadamente del 80% en la parte semi-supervisada.<\/p>\n\n\n\n
El principal autor de la investigaci\u00f3n es el cient\u00edfico marino Aitor Lekanda, que actualmente se encuentra realizando su tesis en AZTI bajo la supervisi\u00f3n de los investigadores Guillermo Boyra y Maite Louzao. Lekanda destaca: \u201cAl automatizar la identificaci\u00f3n de especies, no solo reducimos el tiempo de procesado de datos de las campa\u00f1as cient\u00edficas, sino que nos abre las puertas a estudiar el comportamiento de agregaci\u00f3n de las especies pel\u00e1gicas y al desarrollo de nuevas tecnolog\u00edas para la mejora de la eficiencia, la selectividad y sostenibilidad del sector pesquero\u201d.<\/p>\n\n\n\n
El desarrollo de esta aplicaci\u00f3n de IA refuerza el liderazgo tecnol\u00f3gico de AZTI en el sector pesquero.<\/p>\n\n\n\n
Su experiencia en la gesti\u00f3n de datos masivos y predicciones mediante machine learning, big data e IA, ha permitido ofrecer soluciones innovadoras y sostenibles que benefician tanto al sector pesquero como al medio ambiente marino.<\/p>\n\n\n\n
Un ejemplo destacado es su participaci\u00f3n en el proyecto europeo SMARTFISH, una iniciativa que desarrolla y promueve sistemas inteligentes para el sector pesquero de la Uni\u00f3n Europea, reduciendo su impacto ecol\u00f3gico.<\/p>\n\n\n\n
Adem\u00e1s, AZTI coordina un paquete de trabajo para la discriminaci\u00f3n de tallas e identificaci\u00f3n de especies en las pesquer\u00edas de cerco, demostrando su compromiso con la sostenibilidad y eficiencia en la pesca.<\/p>\n\n\n\n
Estos proyectos evidencian c\u00f3mo AZTI utiliza su experiencia adquirida en tecnolog\u00edas avanzadas para mejorar la eficiencia y sostenibilidad en el sector pesquero, estableci\u00e9ndose como referente en la aplicaci\u00f3n de IA y big data en la pesca.<\/p>\n","protected":false},"excerpt":{"rendered":"
AZTI desarrolla un modelo de Inteligencia Artificial que optimiza la identificaci\u00f3n de los bancos de peces para mejorar la sostenibilidad pesquera. Clasifica autom\u00e1ticamente especies como la anchoa, la sardina o el verdel a partir de las caracter\u00edsticas de sus registros ac\u00fasticos. El centro tecnol\u00f3gico AZTI ha desarrollado un innovador modelo de Inteligencia Artificial (IA) para […]<\/p>\n","protected":false},"author":2,"featured_media":74392,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[30],"tags":[35,71,87],"class_list":["post-74375","post","type-post","status-publish","format-standard","has-post-thumbnail","tag-espana","tag-investigacion","tag-pesca"],"_links":{"self":[{"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/posts\/74375","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/comments?post=74375"}],"version-history":[{"count":0,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/posts\/74375\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/media\/74392"}],"wp:attachment":[{"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/media?parent=74375"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/categories?post=74375"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/rin.inno-t.es\/index.php\/wp-json\/wp\/v2\/tags?post=74375"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}