IPN crea sistema con IA para detectar contaminación en agua

CIUDAD DE MÉXICO, septiembre 13 (EL UNIVERSAL).- Estudiantes del Instituto Politécnico Nacional (IPN) desarrollaron un sistema de Inteligencia Artificial capaz de identificar macroinvertebrados acuáticos y agilizar la evaluación de la calidad del agua, herramienta que ya fue probada en cuerpos de agua de la Reserva de la Biósfera Tehuacán-Cuicatlán, entre Puebla y Oaxaca.

IPN desarrolla sistema Deep Bug para monitoreo ambiental

El proyecto, denominado Deep Bug, fue creado por Desiré Cuevas Romero y Didier González Ferreira, estudiantes de Ingeniería en Inteligencia Artificial de la Escuela Superior de Cómputo (Escom), así como por Óscar Leyva Rodríguez, alumno de Ingeniería en Sistemas Computacionales.

La herramienta integra una aplicación móvil para el trabajo de campo, una plataforma web para administrar y consultar información y un modelo de IA que clasifica automáticamente macroinvertebrados a partir de imágenes.

¡Sigue nuestro canal de WhatsApp para más noticias! Únete aquí

Funcionalidad y aplicación del sistema en campo

Estos organismos funcionan como bioindicadores, debido a que su presencia o ausencia está relacionada con las condiciones ambientales de los cuerpos de agua y permite determinar si existe contaminación.

Deep Bug facilita la aplicación del índice Biological Monitoring Working Party (BMWP), método que evalúa la calidad del agua a partir de la diversidad de macroinvertebrados presentes.

Para México, el índice fue adaptado como BMWP/Mex por Eugenia López López, investigadora de la Escuela Nacional de Ciencias Biológicas del IPN, quien participó como codirectora del proyecto.

De acuerdo con los desarrolladores, la herramienta busca resolver dificultades que actualmente enfrenta la aplicación de este índice, entre ellas el registro manual de información, el riesgo de pérdida o daño de formatos durante el trabajo de campo, el tiempo necesario para identificar correctamente los organismos y los problemas para almacenar y consultar los resultados de los monitoreos.

Para construir el sistema de reconocimiento automático, los estudiantes utilizaron redes neuronales convolucionales, tecnología especializada en el procesamiento y análisis de imágenes.

El modelo fue entrenado durante seis meses con alrededor de 3 mil imágenes y se concentró inicialmente en cinco familias de macroinvertebrados con características visuales similares, cuya identificación puede resultar particularmente compleja.

El sistema también fue diseñado para funcionar en zonas donde existe poca o ninguna conectividad a internet. La aplicación almacena localmente la información obtenida durante los recorridos de campo y, cuando recupera la conexión, sincroniza automáticamente los datos con la nube.

Además, permite digitalizar protocolos, administrar proyectos, consultar resultados históricos y calcular automáticamente el índice BMWP/Mex.

"Nuestra principal motivación es que se quede como algo funcional para las personas, para los biólogos, para las comunidades y que más personas se motiven a hacer un cambio con los resultados que obtengan", afirmó Cuevas Romero.

Como parte de su proceso de validación, en mayo pasado los estudiantes realizaron pruebas de laboratorio y de campo en cuerpos de agua de la Reserva de la Biósfera Tehuacán-Cuicatlán, con apoyo de especialistas y habitantes de comunidades de la región.

Durante esos ejercicios comprobaron el funcionamiento y la comunicación entre la aplicación móvil, la plataforma web y el modelo de Inteligencia Artificial.

El equipo continuará trabajando en Deep Bug para ampliar el banco de imágenes, mejorar la precisión en la identificación de macroinvertebrados y adaptar el sistema a distintas regiones del país.