Los programas de monitoreo pesquero son fundamentales para garantizar una gestión sostenible de los recursos marinos. Sin embargo, los sistemas actuales de observación electrónica —basados en cámaras, GPS y sensores— requieren que un operario revise manualmente miles de horas de vídeo para identificar especies y cuantificar capturas.
Este proceso es costoso, lento y difícil de escalar. Para avanzar hacia un control más eficiente, transparente y casi en tiempo real, era necesario desarrollar soluciones basadas en aprendizaje profundo capaces de identificar automáticamente las especies capturadas y estimar sus proporciones y tamaños en cada lance.
AZTI ha desarrollado un modelo de visión artificial diseñado para automatizar la clasificación y medición de las principales especies capturadas por la flota de grandes atuneros congeladores —rabil (Thunnus albacares), listado (Katsuwonus pelamis) y patudo (Thunnus obesus)— que operan en el Atlántico, Índico y Pacífico.
El proceso incluye:
Aunque persisten desafíos —como brillos, suciedad de lente o superposición de ejemplares—, el proyecto ya incorpora mejoras como cámaras estereoscópicas que permiten reconstruir modelos 3D y medir partes no visibles del pez.
Este proyecto representa un paso decisivo hacia un seguimiento más eficiente, transparente y basado en datos objetivos, reforzando la sostenibilidad de una de las flotas atuneras más importantes del mundo.
Sectores: Sector pesquero y acuícola, Tecnología 4.0
Lineas de investigación: Digitalización, Economía azul, Pesca y acuicultura eficiente y sostenible
Sublíneas de investigación: Gestión pesquera sostenible