Vicenç Parisi, director del proyecto iCalpez: "El sistema diseñado es capaz de identificar más del 95% de ejemplares en cada caja de pescado"

Vicenç Parisi, director del proyecto iCalpez

iCalpez es uno de los proyectos de la convocatoria 2021 centrados en el desarrollo de herramientas inteligentes para mejorar la gestión pesquera. Desde la Universidad Politécnica de Cataluña han diseñado un sistema basado en los principios deep learning para poder conocer el calibre de los ejemplares pescados de manera automática. ¿Cuáles son los beneficios? Lo explica el director de proyecto, Vicenç Parisi.

¿Cómo se gesta la iniciativa iCalpez desde la UPC?

iCalPez es una iniciativa fruto de la experiencia y conocimiento desarrollado en los últimos años, a partir de colaboraciones con institutos de investigación en recursos marinos, tanto a nivel nacional como en el extranjero. Teníamos la idea de realizar un proyecto que permitiera obtener datos reales detallados sobre capturas, para poder analizar correctamente la situación de los recursos marinos y vimos que tener calibres objetivos beneficia tanto a pescadores como a comercializadores y al mismo tiempo proporciona información muy valiosa para la gestión del mar. Nos pusimos en contacto con diferentes lonjas del litoral mediterráneo y, tras conversar con sus responsables, entendimos que las subastas de pescado se podían mejorar y que la venta remota necesita dar información objetiva en cuanto a tallas, así que decidimos proponer este proyecto en la convocatoria del Programa Pleamar, que se ajusta mucho a los objetivos que teníamos en mente.

Son varios los departamentos que forman parte de este proyecto, ¿cuáles son las implicaciones de cada uno?

En el proyecto participan el Departamento de Ingeniería Electrónica y el Departamento de Teoría de Señal y Comunicaciones de la UPC. Ambos departamentos comparten conocimientos en cuanto a procesado de imagen, reconocimiento de patrones y redes neuronales, si bien en el Departamento de Ingeniería Electrónica hay más implicación en cuanto a la implementación en hardware y en el Departamento de Teoría de la Señal y Comunicaciones hay más relación con la parte algorítmica y las comunicaciones.

¿En qué especies se ha centrado finalmente el proyecto?

Tras entrevistarnos con los responsables de las lonjas participantes, decidimos centrarnos con la gamba blanca de Ayamonte (Parapenaeus longirostris), el pulpo común (Octopus vulgaris) de Gandía y la sepia (Sepia officinalis) y langosta (Palinurus elephas) de Llançà. Representan las especies comercialmente más interesantes de dichas localidades y también son de las más explotadas.

¿Cuántos ejemplares ha sido capaz de identificar?

El sistema es capaz de identificar más del 95% de ejemplares en cada caja de pescado. En todas las especies trabajadas, nuestro objetivo era obtener una precisión similar o mejor a la que se puede obtener manualmente.

El sistema se centra en la identificación del calibre, ¿por qué es tan relevante este dato?

El calibre es de vital importancia para la venta, puesto que el comprador, sobre todo en subastas remotas por internet, puede saber realmente la talla de los ejemplares de pescado y también para la gestión de los stocks y recursos marinos, ya que proporciona información sobre las actividades extractivas, su volumen y el estado de las zonas de pesca.

El sistema se basa en auto-identificación, pero ¿de qué hablamos cuando hablamos de entrenamiento de redes neuronales?

Los modelos de redes neuronales que utilizamos se basan en algoritmos adaptativos que aprenden a base de ejemplos. En nuestro caso, los algoritmos calculan la probabilidad que tiene cada pixel de la imagen de pertenecer a un determinado ejemplar de pescado. Para entrenarlos precisamos un conjunto de entrenamiento y esto supone marcar manualmente un gran número de imágenes, donde se indican, mediante máscaras, dichos píxeles. El entrenamiento ajusta, paso a paso, los filtros adaptativos hasta que su respuesta es lo más parecida posible a la del conjunto de entrenamiento. Como ejemplo, para el caso de la gamba blanca, se han etiquetado más de 5000 imágenes de gamba blanca y el algoritmo ha precisado más de 1 millón de iteraciones hasta llegar a un resultado satisfactorio.

Se ha podido testear la herramienta en varias cofradías de pescadores. ¿Algún resultado preliminar que pueda compartir antes de la finalización del proyecto?

En las especies trabajadas, no siempre es fácil establecer el calibre de manera visual. En muchas ocasiones, hemos encontrado que los calibres asignados manualmente eran los mismos y las tallas aparecían mezcladas. Ahora se puede indicar un calibre sin tantas categorizaciones y además, el calibre ya no depende de la lonja en particular.

Tras analizar la distribución de tallas en cajas de pescado, su precio y la presentación, hemos podido comprobar que aquellas cajas con los ejemplares colocados de manera ordenada y que permiten ver la mayoría de pescados tienen un precio de venta superior a otras cajas del mismo calibre. Esta distribución ordenada también permite encontrar calibres más exactos.

¿Cuáles son las fortalezas del sistema y qué mejoras habéis detectado? ¿Es replicable ya a otras especies de peces?

La fortaleza principal del sistema se basa en la objetividad de los calibres encontrados. En una iniciativa anterior, el sistema funcionaba desde un servido informático de la UPC, mientras que en iCalPez hemos recurrido a servicios de computación en la nube que proporcionan más fiabilidad en cuanto a funcionamiento ininterrumpido. Nuestra intención sería poder aplicar esta tecnología a la mayor parte de especies pesqueras y creemos firmemente que la metodología desarrollada se podría replicar en otras lonjas y especies.

Sin duda, herramientas como esta facilitan el trabajo a los pescadores, pero ¿qué feedback habéis recibido del colectivo?

En general, los pescadores están abiertos a incorporar nuevas tecnologías que les ayuden en el proceso de venta del pescado, sin embargo, al mismo tiempo, ven en ello un mecanismo de control que les hace desconfiar de su uso, pero el hecho de que haya experiencias similares anteriores que han redundado en beneficios favorece su aceptación.

¿Qué otras medidas son necesarias, en su opinión, para la mejora de los stocks pesqueros y para impulsar una gestión sostenible de los mismos?

Creemos que es necesario tener la mejor información posible acerca de nuestros mares, para ello hemos de poder recoger todos los datos necesarios y el uso y desarrollo de las tecnologías de la información, sensores, big data, deep learning… nos puede ayudar a conocer el estado real de los recursos pesqueros. Además, consideramos de gran importancia la educación de las personas, con el objetivo de sensibilizar acerca de la sostenibilidad y conservación del medio marino.