El Consejo Superior de Investigaciones Científicas (CSIC) ha concluido con éxito, tras algo de más de un año de investigación, el proyecto “Implementación de un sistema electrónico de documentación de la captura total para una gestión sostenible y en línea de los recursos pesqueros” (SICAPTOR).
El proyecto ha estado coordinado por el Grupo de Ingeniería de Procesos del Instituto de Investigaciones Marinas (IIM). Como socios ha participado el Instituto Español de Oceanografía (IEO), el Centro de Supercomputación de Galicia (CESGA) y la Organización de Productores de Pesca del Puerto y Ría de Marín (OPROMAR). Ha contado con la colaboración de la la Fundación Biodiversidad, del Ministerio de Transición Ecológica y el Reto Demográfico, a través del Programa Pleamar, cofinanciado por el Fondo Europeo Marítimo y de Pesca (FEMP).
El objetivo general era la mejora del sistema iObserver, dispositivo electrónico que se instala sobre la cinta de triado y obtiene fotografías de toda la captura, analizando cada imagen para identificar la especie y estimar el tamaño y peso de cada ejemplar.
Esa información se envía en tiempo real a un servidor en tierra, donde se analiza y combina con modelos matemáticos para hacer predicciones del estado de la pesquería y se generan mapas que permiten visualizar de forma sencilla los datos.
“Entre sus desventajas figura la baja fiabilidad de los datos, el elevado coste y la baja cobertura de las zonas de pesca. Había, por tanto, el desafío de disponer de datos completos y fiables de la actividad pesquera, es decir, de la captura retenida y de los descartes”, explica Luis Taboada, científico del CSIC e investigador principal del SICAPTOR.
Se acometió SICAPTOR para, en este contexto, desarrollar e implementar técnicas avanzadas de cuantificación de capturas totales de forma fiable, incluso cuando los ejemplares en la cinta transportadora están solapados o superpuestos. Se pretendía enseñar a un ordenador a comprender el contenido de una imagen.
Las técnicas avanzadas que se han usado son herramientas de aprendizaje profundo (deep learning) y redes neuronales en el marco/campo de la inteligencia artificial Los principales hitos son la mejora del software y hardware del iObserver y la implementación del iObserver y de herramientas GIS en la actividad pesquera.
“Se ha logrado más de un 96% de acierto en la identificación de especies y un error absoluto medio de un 4% para estimación de la talla; los nuevos algoritmos permiten mejorar la identificación de las especies incluidas en el catálogo del iOBserver, especialmente de rubios, gallos, faneca, raya común y raya santiaguesa y se han logrado mejoras en el sistema de iluminación, evitando así la aparición de sombras y brillos que dificulten el reconocimiento de especies”, destaca Taboada, quien añade que “a todo ello se une que por medio de un sensor magnético, hemos conseguido el
funcionamiento autónomo del iObserver”.
“A partir de datos sobre captura total transmitidos por iObserver, se ha actualizado la base de datos de composición de captura total y se están generando mapas que permiten realizar una gestión de la actividad pesquera diaria en base a distintos criterios”, apunta Taboada.
Todo ello se ha puesto a punto mediante campañas en el buque oceanográfico Miguel Oliver y a bordo de los barcos comerciales Portosanto y Ría de Marín.
Los principales beneficiarios de estas mejoras son los armadores, científicos y/o legisladores, quienes tendrán más facilidades para la toma de decisiones en tiempo real, identificar aquellas áreas de pesca que minimicen los descartes pesqueros y desarrollar una regulación eficiente que garantice la sostenibilidad de los recursos pesqueros y el cumplimiento de la obligación de desembarco.
