Neuronas artificiales para clasificar corales

Los arrecifes de coral son complejos ecosistemas marinos típicos de los mares poco profundos del trópico. Se forman por la acumulación de carbonato cálcico procedente de esqueletos de otros corales y son una barrera para la protección de costas frente a desastres naturales. Tardan miles de años en formarse y según el informe de Especies en Peligro de Extinción Internacional de 2017, ya se ha perdido un 19% de las áreas de arrecifes de coral desde la década de 1950.

Los arrecifes de coral acogen a dos millones de especies y una cuarta parte de la vida marina.

Esto se debe a que los arrecifes de coral son muy sensibles a los cambios de temperatura. El aumento de las emisiones de dióxido de carbono, que es en parte absorbido por el océano, la contaminación del agua y otras acciones humanas son las principales causas de la desaparición de corales. De acuerdo con la ‘Lista Roja de la Unión Internacional para la Conservación de la Naturaleza’ (UICN) en 2017 había 237 especies amenazadas.

Además, es complicado mantener un registro de todos los tipos de coral porque hay miles de ellos. Por eso, científicos de la Universidad de Granada, la Virginia Commonwealth University de Estados Unidos y el Technical University of Denmark han desarrollado un método de reconocimiento y clasificación de los corales basado en inteligencia artificial que han publicado en la revista Expert Systems with Applications. Con él podrían identificarse especies de coral con imágenes tomadas por vehículos autónomos en cualquier parte del mundo, permitiendo realizar el seguimiento de los cambios que se producen para llevar a cabo una mejor conservación.

Anabel Gómez, junto a un equipo internacional, ha desarrollado un sistema que contribuirá a la catalogación y conservación de los corales.

El sistema utiliza una arquitectura donde neuronas artificiales funcionan de una manera muy similar a las de la corteza visual de un cerebro, denominada red neuronal convolucional. Los investigadores parten de las imágenes submarinas tomadas por un vehículo submarino autónomo y con ellas crean este sistema, que reconoce las diferentes texturas en las que se conforman los corales y que es capaz de aprender por sí mismo las características clave de cada especie, de forma que se puedan clasificar nuevos corales.

Los expertos han logrado mejorar la precisión utilizando diferentes variaciones de ResNet, un tipo de red neuronal especializada que ayuda a manejar tareas y modelos de aprendizaje más sofisticados. “Este modelo es una alternativa a los sistemas clásicos utilizados actualmente para la clasificación de imágenes de textura coral que requieren de la presencia humana continuada y contemplan un rango de error mayor”, indica a la Fundación Descubre la investigadora de la Universidad de Granada Anabel Gómez, autora del artículo.

También apunta a la necesidad de tomar muestras de distintas localizaciones en el mundo para crear una referencia internacional que permita el seguimiento en el crecimiento o disminución de los arrecifes y poder actuar a tiempo para su conservación.