Investigadores de la Universidad de Nottingham Trent desarrollan un sistema que combina cámaras submarinas, sensores acústicos e inteligencia artificial para reconocer alteraciones en el comportamiento de los peces cultivados, incluso en instalaciones con conectividad limitada.
Redacción: Redacción Mundo Agropecuario BET
Editor: Eduardo Schmitz
Investigadores de la Universidad de Nottingham Trent, en el Reino Unido, están desarrollando una tecnología de vigilancia inteligente para la acuicultura que utiliza cámaras submarinas, micrófonos acuáticos e inteligencia artificial para identificar posibles señales tempranas de estrés o enfermedad en peces de cultivo. La iniciativa forma parte del programa de investigación ENVIROBRAIN y busca transformar los datos sobre el comportamiento animal en alertas que ayuden a los productores a intervenir antes de que los problemas sanitarios se agraven.
El proyecto, presentado por la universidad el 19 de octubre de 2026, incorpora una característica especialmente relevante para las explotaciones acuícolas alejadas de los principales centros urbanos: la posibilidad de procesar información directamente en las instalaciones productivas, sin depender permanentemente de una conexión a internet.
La investigación está dirigida por los doctores Pedro Machado e Isibor Kennedy Ihianle, de la Escuela de Ciencia y Tecnología de Nottingham Trent. Ambos trabajan en aplicaciones de inteligencia artificial, sensores inteligentes y procesamiento informático orientadas a mejorar el seguimiento de los sistemas de producción alimentaria.
A diferencia de los procedimientos que requieren capturar o manipular físicamente a los peces para realizar determinadas evaluaciones, la propuesta utiliza dispositivos capaces de observar su actividad bajo el agua y detectar cambios que podrían justificar una inspección sanitaria más detallada.
La inteligencia artificial aprende cómo se comportan los peces
El funcionamiento del sistema se basa en una combinación de información visual y acústica. Las cámaras submarinas registran imágenes de los peces mientras nadan, se alimentan e interactúan con otros individuos, mientras que los hidrófonos capturan señales sonoras producidas en el entorno acuático.
Los modelos de inteligencia artificial analizan estos registros para reconocer patrones habituales de actividad. Entre las variables de interés figuran los desplazamientos, la alimentación y los movimientos colectivos de los animales.
Cuando el comportamiento se aparta de los patrones esperados, el sistema puede señalar una posible anomalía. Una disminución inusual de la actividad, cambios en la forma de nadar o alteraciones en el comportamiento del grupo podrían constituir indicios de estrés o de un problema sanitario que necesita investigación.
La tecnología no pretende identificar automáticamente una enfermedad específica a partir de cualquier movimiento anormal. Los investigadores plantean las alertas como una herramienta de apoyo para que los responsables de las instalaciones examinen las posibles causas y, cuando corresponda, soliciten una evaluación veterinaria.
Este enfoque se relaciona con otras aplicaciones de inteligencia artificial para interpretar el comportamiento animal, en las que el análisis automatizado de imágenes permite observar actividades que serían difíciles de supervisar continuamente mediante inspecciones humanas.
Detectar cambios antes de que aparezcan problemas graves
La vigilancia sanitaria representa un desafío para la acuicultura intensiva. Los peces permanecen sumergidos y pueden encontrarse distribuidos en grandes instalaciones, lo que dificulta observar individualmente a todos los animales y reconocer alteraciones durante las primeras fases de un problema.
Los signos iniciales de enfermedad o estrés no siempre son evidentes. Además, determinados cambios de comportamiento pueden estar relacionados con factores ambientales, condiciones de alimentación o alteraciones de la calidad del agua.
Por ello, la investigación busca establecer patrones suficientemente fiables para distinguir la actividad habitual de aquellas situaciones que requieren atención. El objetivo es ofrecer información continua y facilitar respuestas más tempranas, sin convertir una alerta informática en un diagnóstico clínico definitivo.
La Universidad de Nottingham Trent señala que los brotes de enfermedades generan consecuencias económicas importantes para la acuicultura y afectan directamente al bienestar de los animales. La detección anticipada podría contribuir a limitar determinadas pérdidas si las alertas permiten investigar y controlar los problemas antes de que se extiendan.
Sin embargo, el programa todavía se encuentra en desarrollo. La información publicada por la universidad no presenta una tasa definitiva de precisión diagnóstica, una reducción experimental cuantificada de la mortalidad ni resultados comerciales que permitan afirmar que el sistema ya previene brotes de manera autónoma.
Procesamiento local para granjas con internet limitado
Una de las innovaciones técnicas de ENVIROBRAIN es el empleo de computación en el borde, conocida como edge computing. Este modelo permite procesar información cerca del lugar donde se genera, en vez de transmitir continuamente grandes cantidades de imágenes y sonidos hacia servidores remotos.
En una explotación acuícola convencional, las cámaras pueden producir un volumen considerable de datos. Enviar permanentemente esos registros a plataformas externas exige conectividad estable, capacidad de transmisión y recursos informáticos.
El equipo británico investiga dispositivos especializados denominados FPGA, siglas en inglés de matrices de puertas programables en campo. Estos componentes electrónicos pueden configurarse para ejecutar determinadas operaciones de procesamiento de información y modelos de inteligencia artificial directamente en equipos locales.
La ventaja potencial consiste en reducir la dependencia de los servicios informáticos externos. Una instalación situada en una zona rural o costera con conectividad irregular podría analizar determinados patrones de comportamiento y generar alertas sin necesitar una comunicación constante con la nube.
La importancia de esta arquitectura también aparece en otros desarrollos de inteligencia artificial distribuida para operaciones agrícolas, donde el procesamiento local permite reducir la necesidad de transmitir continuamente grandes volúmenes de información desde los equipos de campo.
En acuicultura, el desafío adicional es integrar dispositivos electrónicos con sistemas de observación submarina, teniendo en cuenta las condiciones ambientales, el consumo eléctrico y las necesidades de mantenimiento de las instalaciones.
Cámaras e hidrófonos para una vigilancia menos invasiva
La combinación de imágenes y sonido constituye otro aspecto relevante de la investigación. Mientras las cámaras proporcionan información visual sobre los movimientos y la distribución de los peces, los hidrófonos permiten incorporar datos acústicos del entorno.
Ambas fuentes pueden aportar información complementaria. La observación visual ayuda a reconocer desplazamientos o comportamientos colectivos, mientras que los registros sonoros pueden contribuir a caracterizar determinados acontecimientos que ocurren dentro de las instalaciones.
El procesamiento conjunto de diferentes señales es una línea importante dentro de la inteligencia artificial aplicada a sistemas biológicos. En lugar de depender exclusivamente de una variable, los modelos pueden estudiar relaciones entre múltiples tipos de información.
El empleo de dispositivos de observación también evita que cada evaluación inicial dependa de la captura física de los animales. Esto puede resultar útil para mantener una vigilancia continua sin incrementar innecesariamente las operaciones de manipulación.
No obstante, los investigadores deberán determinar qué alteraciones pueden identificarse de forma consistente y cuáles necesitan mediciones adicionales. La turbidez del agua, la iluminación, la densidad de peces y el ruido submarino pueden afectar la calidad de los registros.
El desarrollo de estas herramientas forma parte de una tendencia más amplia hacia la detección temprana de señales de estrés mediante sensores inteligentes. Aunque los sistemas vegetales y animales requieren métodos diferentes, ambos buscan transformar mediciones continuas en información útil para anticipar problemas productivos.
La eficiencia energética también forma parte del proyecto
El programa ENVIROBRAIN no se limita al desarrollo de algoritmos. Sus investigadores también estudian alternativas de bajo consumo eléctrico y la posible integración de energías renovables para alimentar equipos de vigilancia instalados en entornos remotos.
La autonomía energética es un aspecto importante cuando las cámaras, los sensores y los dispositivos informáticos deben funcionar durante periodos prolongados. La necesidad de suministrar electricidad de forma continua puede limitar la utilización de determinadas tecnologías en explotaciones alejadas de las redes convencionales.
En este contexto, el procesamiento local podría complementar el diseño de sistemas más eficientes, aunque la universidad todavía no ha comunicado una reducción cuantificada del consumo energético para esta aplicación acuícola.
La investigación sobre fuentes de electricidad para dispositivos sumergidos también está avanzando mediante soluciones como las células fotovoltaicas de perovskita adaptadas al entorno submarino, estudiadas como una posible alternativa energética para sensores, cámaras y equipos autónomos.
Estas tecnologías responden a problemas distintos y no forman parte necesariamente de un mismo dispositivo. Su relación se encuentra en la necesidad de desarrollar sistemas de observación capaces de funcionar con autonomía y recursos energéticos limitados.
Una plataforma de investigación que conecta agricultura y acuicultura
ENVIROBRAIN también comprende investigaciones agrícolas terrestres. Entre ellas figura SmartBerry, una iniciativa que aplica inteligencia artificial, sensores ambientales y computación en el borde a la producción de fresas en Nigeria.
La colaboración involucra a Nottingham Trent University, Covenant University y Ashley’s Strawberry Farms Limited, con financiación de Innovate UK. Según los resultados divulgados por la universidad, el proyecto consiguió incrementar un 40 % el rendimiento de las fresas y reducir un 15 % los desperdicios posteriores a la cosecha.
Los investigadores también comunicaron que la proporción de fruta apta para comercialización aumentó aproximadamente del 70 % al 88 %. Estos resultados corresponden específicamente al proyecto agrícola SmartBerry y no deben atribuirse al sistema experimental de vigilancia de peces.
La relación entre ambas líneas de trabajo es tecnológica: utilizar sensores y modelos computacionales para interpretar lo que sucede en un sistema productivo y proporcionar información que permita tomar decisiones con mayor anticipación.
En los cultivos, las variables incluyen temperatura, humedad, iluminación y estado de las plantas. En acuicultura, el interés se concentra en las imágenes, los sonidos y los patrones de comportamiento de los peces.
Los próximos desafíos de la vigilancia acuícola inteligente
El equipo de Nottingham Trent continúa investigando cómo adaptar sus modelos a condiciones operativas reales. Entre los aspectos que deberán resolverse figuran la fiabilidad de las alertas, la interpretación de diferentes comportamientos y la capacidad de los dispositivos para procesar información de manera continua.
Un sistema de alerta temprana debe evitar tanto la omisión de señales relevantes como la generación excesiva de falsas alarmas. Si un algoritmo interpreta equivocadamente comportamientos normales como posibles enfermedades, podría provocar inspecciones innecesarias y reducir la confianza de los productores.
Por otra parte, si no reconoce alteraciones importantes, su utilidad sanitaria sería limitada. La validación deberá considerar diferentes condiciones ambientales, especies, densidades de cultivo y situaciones de manejo.
Los investigadores también contemplan posibles aplicaciones futuras de sus tecnologías de observación en otros ámbitos ambientales, como la identificación de especies invasoras y la detección de residuos marinos.
En el caso de la acuicultura, la contribución principal del proyecto consiste en investigar una infraestructura de vigilancia que combina observación no invasiva, inteligencia artificial y procesamiento informático local. Su desarrollo busca proporcionar a los productores información más temprana sobre el estado de los peces, manteniendo la evaluación veterinaria como parte indispensable de las decisiones sanitarias.
Fuente referencial:
Nottingham Trent University – How AI is helping farmers grow crops and protect fish (19 de octubre de 2026)
