🧬 biology

Automated estimation of gadoid and flatfish abundance in stereo-BRUV footage using YOLO object detection

Este estudio presenta un flujo de trabajo automatizado basado en YOLO que detecta con éxito gadiformes y peces planos en grabaciones de BRUV estéreo de parques eólicos del Mar del Norte, introduciendo una métrica personalizada para validar su capacidad de estimar eficientemente la abundancia de peces y demostrando que la combinación de perspectivas de cámara dual mejora la sensibilidad de las estimaciones de población en comparación con las perspectivas únicas.

Autores originales: Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

Publicado 2026-10-05

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Mario Lambrette, Anthony W. J. Bicknell, Samuel Gierhart, Matthew J. Witt

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

El fondo del océano es un paisaje vasto y cambiante donde la vida prospera de formas que a menudo son invisibles para el ojo humano. Para comprender cómo cambian las poblaciones de peces a lo largo del tiempo, los científicos necesitan contarlos, pero hacerlo bajo el agua es notablemente difícil. Los métodos tradicionales suelen implicar el arrastre de redes o trampas por el lecho marino, lo que puede dañar los mismos ecosistemas que los investigadores intentan estudiar. Una alternativa más suave ha surgido: el video submarino remoto con cebo. Los científicos bajan un sistema de cámara, lastrado con una pequeña cantidad de cebo para peces, al fondo del océano. El aroma del cebo atrae a los peces locales y la cámara los graba durante una hora o más. Este método proporciona una ventana no invasiva a la vida marina, pero conlleva un enorme cuello de botella. Una sola encuesta puede generar cientos de gigabytes de metraje de video. Para obtener un recuento de los peces, un experto humano debe sentarse y observar cada minuto de ese metraje, fotograma a fotograma, para contabilizar el número máximo de individuos vistos a la vez. Este proceso manual es lento, costoso y limita la cantidad de datos que pueden llegar a analizarse.

Un equipo de investigadores de la Universidad de Exeter ha abordado este cuello de botella enseñando a las computadoras a contar. Desarrollaron un sistema de inteligencia artificial especializado, diseñado para observar videos submarinos e identificar y contar automáticamente dos grupos específicos de peces: peces similares al bacalao, conocidos como gadoides, y peces planos. El estudio tuvo lugar en el norte del Mar del Norte, un área salpicada de parques eólicos marinos donde el equipo estaba monitoreando cómo estas enormes estructuras afectan la vida de los peces locales. En lugar de depender de un único ángulo de cámara, el equipo utilizó un sistema estéreo, que registra la escena desde dos perspectivas ligeramente diferentes simultáneamente, de forma muy parecida a como lo hacen los ojos humanos. Al entrenar su IA con miles de fotogramas de video anotados, crearon un flujo de trabajo que podía escanear horas de metraje en una fracción del tiempo que le tomaría a un humano, produciendo recuentos fiables de la abundancia de peces.

Los investigadores no solo construyeron un detector; construyeron un sistema que comprende los desafíos específicos del conteo submarino. En un fotograma de video concurrido, los peces a menudo se esconden detrás de otros, lo que dificulta saber exactamente cuántos hay presentes. El equipo entrenó su modelo para reconocer que, a medida que aumenta el número de peces, también aumenta la dificultad de contarlos perfectamente. Introdujeron una nueva forma de medir el éxito que tiene en cuenta esta realidad, aceptando que un pequeño margen de error es natural cuando los peces están agrupados estrechamente. Cuando probaron su sistema contra los recuentos realizados por expertos humanos, los resultados fueron sorprendentes. Las estimaciones de la computadora coincidieron con los recuentos humanos con una precisión muy alta, identificando correctamente la presencia y los números aproximados de peces planos y peces similares al bacalao en casi todos los casos. El sistema fue tan efectivo que pudo reemplazar una parte significativa del trabajo manual, reduciendo el tiempo necesario para procesar los datos de la encuesta de meses a semanas.

Uno de los descubrimientos más sorprendentes provino de la forma en que el sistema utilizó los dos ángulos de cámara. En las encuestas tradicionales, los científicos suelen elegir solo una vista de cámara para contar los peces, tratando la segunda cámara como una copia de seguridad o para medir la longitud del pez. Los investigadores descubrieron que, al permitir que la computadora mirara ambos ángulos y simplemente tomara el recuento más alto de los dos, obtenían una imagen mucho más clara de la población de peces. Este enfoque, que llamaron el "recuento máximo", redujo el ruido y la incertididad en los datos. Hizo que los resultados de la encuesta fueran más sensibles a los cambios reales en el entorno. Por ejemplo, al analizar cómo cambiaban los números de peces con la distancia de las bases de los aerogeneradores, el método de dos cámaras reveló un patrón claro que el método de una sola cámara pasó por alto. Los peces planos, que tienden a permanecer bajos y camuflarse con el lecho marino, fueron particularmente difíciles de detectar desde un solo ángulo, pero el enfoque de vista dual los capturó de manera mucho más efectiva.

El estudio también destacó los beneficios prácticos de esta automatización para el monitoreo a largo plazo. Si bien la configuración del sistema requirió una inversión inicial de tiempo para etiquetar los datos de entrenamiento y ajustar el software, la recompensa fue inmediata en el campo. El equipo pudo procesar los datos de la encuesta de 2024 en solo 68 días, en comparación con los 134 días de la encuesta del año anterior, que dependió enteramente del conteo manual. Esta velocidad no solo ahorra tiempo; permite a los científicos plantear preguntas más complejas sobre cómo los ecosistemas marinos responden a la actividad humana. Los investigadores señalaron que, si bien su sistema está actualmente adaptado a los peces y condiciones específicas del Mar del Norte, el marco es abierto y accesible. Demuestra que, con las herramientas adecuadas, los volúmenes masivos de datos de video recolectados por científicos marinos pueden convertirse en conocimiento accionable sin quedar enterrados bajo el peso del trabajo manual.

El éxito de este proyecto sugiere un nuevo camino a seguir para la conservación marina. Al automatizar la tediosa tarea de contar, los científicos pueden centrar su energía en interpretar los datos en lugar de solo recolectarlos. La capacidad de detectar cambios sutiles en la abundancia de peces, como la disminución en los números a mayor distancia de los aerogeneradores, proporciona evidencia crucial para gestionar estos sitios industriales de manera responsable. Los investigadores enfatizan que, si bien la computadora es una herramienta poderosa, funciona mejor cuando complementa la experiencia humana en lugar de reemplazarla por completo. El sistema está diseñado para manejar la mayor parte del conteo, señalando las escenas más complejas para la revisión humana si es necesario. Esta asociación entre la visión humana y la velocidad de la máquina ofrece una solución escalable para monitorear la salud de nuestros océanos, asegurando que, a medida que construimos más infraestructura en el lecho marino, también podamos mantener un ojo preciso y vigilante sobre la vida que llama hogar a ese lugar.

Resumen Técnico: Estimación Automatizada de la Abundancia de Gadiformes y Pleuronectiformes en Metrajes de Stereo-BRUV mediante la Detección de Objetos YOLO

Planteamiento del Problema
La gestión de los ecosistemas marinos requiere un monitoreo robusto para abordar las presiones antropogénicas como la sobrepesca, la contaminación y la proliferación de infraestructuras de energía renovable marina. Si bien los muestreos de Video Remoto Sumergido con Cebo (BRUV, por sus siglas en inglés) ofrecen un método no invasivo y rentable para evaluar las poblaciones de peces, su utilidad se ve limitada por la naturaleza laboriosa del análisis manual de video. Esto crea un cuello de botella analítico, particularmente a medida que los volúmenes de datos crecen hacia los terabytes. Además, el análisis convencional de BRUV suele utilizar únicamente un punto de vista de cámara de los sistemas estéreo, descartando potencialmente datos valiosos de la segunda cámara, que tradicionalmente se reserva para mediciones de longitud. Existe la necesidad de canales (pipelines) automatizados de extremo a extremo que puedan enumerar eficientemente taxones específicos y aprovechar la capacidad total de los sistemas stereo-BRUV para mejorar la sensibilidad de las estimaciones de abundancia.

Metodología
Los autores desarrollaron un canal de visión computacional de extremo a extremo utilizando el marco de detección de objetos You Only Look Once (YOLOv8) para automatizar la enumeración de Gadidae (bacalaos) y Pleuronectiformes (peces planos) en metrajes de BRUV recolectados en parques eólicos marinos en el norte del Mar del Norte.

Recolección y Anotación de Datos: Los datos de video se recolectaron durante los muestreos en 2022 (n=108 despliegues) y 2024 (n=96 despliegues). Los datos de entrenamiento se extrajeron del muestreo de 2022, específicamente del "fotograma MaxN" (el fotograma con el mayor número de individuos) y cada 1000 fotogramas posteriores. Se anotaron un total de 2,709 imágenes, que contenían 16,679 organismos. Para abordar el desequilibrio de clases, las especies se agruparon en tres clases: 'Pleuronectiformes', 'Gadidae' y 'Invertebrados bentónicos'.
Desarrollo del Modelo: Los autores emplearon un proceso de optimización de dos etapas. Primero, una búsqueda de grano grueso evaluó 4 combinaciones de tamaños de imagen de entrada (640×640 frente a 1280×1280), arquitecturas de modelos (YOLOv8n a YOLOv8x) y estructuras de datos de entrenamiento. La configuración óptima utilizó imágenes de entrada de 1280×1280 y el marco YOLOv8s (small). Segundo, se realizó un ajuste de hiperparámetros basado en algoritmos genéticos durante 100 iteraciones.
Enfoque de Conjunto (Ensemble): Para mitigar la variabilidad introducida por la inicialización aleatoria de pesos, se entrenó un conjunto de cinco modelos distintos utilizando los hiperparámetros optimizados. Durante la inferencia, las cuentas de detección de los cinco modelos se promedian para determinar la estimación de abundancia final de cada fotograma.
Estimación de MaxN: El canal analizó un fotograma cada 2 segundos de video. Se registró el número máximo de detecciones para una clase específica en cualquier fotograma individual como el MaxN derivado del modelo ( $MaxN_{YOLO}$ ).
Métricas de Evaluación: Se calcularon las métricas estándar (mAP, precisión, exhaustividad/recall, RMSE, MAE). Crucialmente, los autores introdujeron una métrica personalizada, Éxito Pico Medio (MPS, Mean Peak Success), para evaluar la precisión a nivel de despliegue. El MPS calcula la proporción de predicciones que caen dentro de una tolerancia de error dependiente de la abundancia (que varía del 10% en baja abundancia al 20% en alta abundancia). El umbral de confianza óptimo para el despliegue se determinó maximizando la tasa de éxito pico para cada taxón.
Análisis de Visión Estéreo: El canal se aplicó tanto a las vistas de la cámara izquierda como de la derecha de las unidades stereo-BRUV. Los autores compararon la estimación convencional de un solo punto de vista (cámara derecha) contra una métrica de max-MaxN, definida como la estimación de abundancia más alta entre los dos puntos de vista para cada despliegue. Las pruebas estadísticas (pruebas t pareadas, pruebas de permutación sobre el Coeficiente de Variación y pruebas de Friedman) se utilizaron para evaluar el sesgo, la variabilidad y la sensibilidad a la distancia de las bases de las turbinas.

Resultados Clave

Desempeño de Detección: El conjunto de modelos final logró una alta precisión de detección, con puntuaciones de precisión media promedio (mAP) de $0.896 \pm 0.009$ para Gadidae y $0.814 \pm 0.009$ para Pleuronectiformes.
Estimación de Abundancia: El $MaxN_{YOLO}$ mostró una concordancia muy fuerte con los conteos humanos anotados por expertos ( $MaxN_{Human}$ ), con correlaciones de rango de Spearman ( $\rho$ ) que oscilan entre 0.955 y 0.987 y coeficientes de determinación ( $R^2$ ) de 0.874 a 0.987 en ambos años de muestreo. El modelo exhibió un sesgo negativo ligero y constante (subconteo), que fue más pronunciado para los Pleuronectiformes en abundancias altas, probablemente debido a la oclusión.
Beneficios de la Visión Estéreo: Al comparar el punto de vista único (cámara derecha) con el enfoque max-MaxN, se reveló que el uso de ambos puntos de vista redujo significativamente la variabilidad de las estimaciones de abundancia (menor Coeficiente de Variación).
Sensibilidad Estadística: La métrica max-MaxN demostró una mayor sensibilidad a las variables experimentales (distancia de las bases de las turbinas) que el punto de vista único. Mientras que el punto de vista único no logró detectar diferencias significativas en la abundancia a través de las bandas de distancia para ninguno de los dos taxones, la métrica max-MaxN reveló diferencias significativas para Pleuronectiformes ( $p = 0.043$ ) pero no para Gadidae ( $p = 0.146$ ). Las pruebas de permutación indicaron que el aumento en el tamaño del efecto fue estadísticamente significativo solo para Pleuronectiformes ( $\Delta W = 0.092, p = 0.003$ ), mientras que la diferencia para Gadidae no fue significativa ( $\Delta W = 0.061, p = 0.114$ ).
Eficiencia: La implementación del canal automatizado redujo el tiempo transcurrido desde la finalización del trabajo de campo hasta las estimaciones finales de MaxN de 134 días (2022, manual) a 68 días (2024, automatizado con validación manual).

Significancia y Reivindicaciones
El artículo sostiene que los canales de detección de objetos adaptados pueden extender eficazmente la eficiencia y el alcance analítico del monitoreo marino basado en video dentro de sistemas de muestreo definidos. El estudio demuestra que:

La Automatización es Viable: Los canales basados en YOLO pueden automatizar la enumeración de taxones de peces comercialmente importantes con alta precisión, reemplazando parcialmente la anotación manual en programas de monitoreo multianuales.
Utilidad de los Datos Estéreo: El análisis automatizado hace que sea práctico utilizar ambos puntos de vista de los sistemas stereo-BRUV. El enfoque "max-MaxN" (que selecciona el conteo más alto de las dos cámaras) aumenta la sensibilidad de las estimaciones de abundancia a las variables experimentales y reduce la variabilidad, mejorando así el poder estadístico sin esfuerzo de campo adicional.
Innovación en Métricas: La introducción del Éxito Pico Medio (MPS) proporciona un marco de evaluación más apropiado para los datos de BRUV que las métricas de error estándar, ya que tiene en cuenta la naturaleza de la abundancia de los errores de conteo (por ejemplo, la oclusión).
Accesibilidad: El flujo de trabajo se basa en marcos de código abierto y puede ejecutarse en hardware de gama media (NVIDIA RTX A4000), ofreciendo una ruta de menor costo para que los investigadores adopten el análisis automatizado, siempre que inviertan en la anotación inicial de los datos de entrenamiento.

Los autores mantienen una postura modesta, señalando que, si bien los métodos automatizados son efectivos para taxones abundantes en monitoreos multianuales, los anotadores humanos siguen siendo el referente para la precisión absoluta. También reconocen que los modelos están adaptados a condiciones específicas y que la identificación a nivel de especie se vio limitada por la disponibilidad de datos de entrenamiento, sugiriendo que una generalización más amplia podría requerir enfoques basados en modelos fundacionales más amplios o esfuerzos de anotación más extensos.

Más como este