Objetivos

• Implementar un sistema autónomo de bajo costo para el monitoreo continuo de alta frecuencia de peces arrecifales en el sur del Golfo de México

• Automatizar la identificación y conteo de especies mediante modelos avanzados de visión artificial basados en redes neuronales y transformers

• Desarrollar herramientas de código abierto para sistematizar la gestión y preparación de bases masivas de imágenes submarinas

• Generar inventarios de biodiversidad en arrecifes poco estudiados de la Península de Yucatán, como el Bajo de Diez

Metodología y Desarrollo Tecnológico

El desarrollo tecnológico del proyecto se estructura en tres etapas integradas:

1. Hardware Submarino Autónomo: Se adaptaron cámaras-trampa terrestres de bajo costo (Dargahou Trail Camera 4K) con velocidad de disparo de 0.05 s para capturar peces en movimiento rápido. Configuradas a intervalos de 3 minutos (20 MP), se colocaron en carcasas herméticas de policarbonato IP68 y se anclaron al sustrato a profundidades de entre 6 y 11 metros.

2. Procesamiento de Datos con cam2model (R): Para gestionar el flujo masivo de imágenes, se desarrolló el paquete de R cam2model. Este automatiza el renombrado unívoco de archivos para evitar duplicación, extrae metadatos EXIF (temperatura y luminancia para excluir fotos nocturnas) en bases CSV y selecciona de manera estratificada subconjuntos representativos de imágenes.

3. Entrenamiento de Inteligencia Artificial (RF-DETR): Un equipo de 14 anotadores entrenados delimitó peces utilizando la plataforma Roboflow, con verificación taxonómica de nuevas especies por un panel de 4 especialistas [34, 35]. Se entrenó el modelo de detección de objetos RF-DETR (Real-Time Detection Transformer) usando un dataset robusto de 9,472 imágenes (4,100 imágenes base: 2,260 de SAMP y 1,840 de iNaturalist; expandidas mediante preprocesamiento y técnicas de aumento de datos x3) para identificar automáticamente 50 especies de peces [6, 40]. La versión más reciente de este modelo ha alcanzado un alto rendimiento con un mAP@50 del 76%, una precisión del 85% y un recall del 68%.

Resultados y Hallazgos Clave

Los despliegues experimentales (2024 y 2025) en el arrecife somero Bajo de Diez (~0.67 km², Sisal, Yucatán) aportaron datos fundamentales para este ecosistema sin inventario formal previo:

• Generación Masiva de Datos: Se obtuvieron alrededor de 200,000 imágenes, con un promedio diario del 17% de fotografías registrando presencia de peces.

• Censos y Validación de IA: Se identificaron de forma manual 65 especies, y las trayectorias ecológicas de abundancia diaria estimadas fueron replicadas con alta fidelidad por el modelo de IA entrenado.

• Mitigación del Biofouling: Se validó el método de varianza de Laplaciano como métrica cuantitativa de nitidez, demostrando que un intervalo de limpieza in situ de dos semanas es el idóneo para asegurar la calidad de la identificación taxonómica.

• Dinámica Comunitaria: Se identificó un núcleo estable de residentes comunes (e.g. Anisotremus virginicus, Haemulon plumierii, Abudefduf saxatilis) y una amplia diversidad de especies raras o transitorias (la clásica "cola larga" de rareza).

• Variabilidad Temporal e Interanual: Los cambios en la comunidad de peces estuvieron regidos por marcadas diferencias interanuales (2024 vs. 2025) y no por las variaciones en el campo de visión de las cámaras [48, 58]. La alta resolución temporal diaria permitió capturar los efectos de disturbios ambientales transitorios como la marea roja de agosto de 2025.