Un equipo de investigación del Instituto de Investigación Marina (INMAR) de la Universidad de Cádiz ha desarrollado un sistema de inteligencia artificial innovador para detectar silbidos de cetáceos en el Estrecho de Gibraltar, uno de los entornos marinos más ruidosos y complejos del mundo. Este sistema permite la reducción drástica del tiempo dedicado a la revisión manual, lo que facilita el seguimiento de las poblaciones de cetáceos y la identificación de periodos de actividad intensa. Además, proporciona información crucial para la gestión del tráfico marítimo en áreas sensibles.
La innovación clave reside en un proceso iterativo, donde el modelo analiza las grabaciones y señala posibles silbidos. Los expertos revisan únicamente esos fragmentos sugeridos y validan cuáles son correctos, lo que perfecciona el modelo al incorporarse esta información. Como resultado, la herramienta puede analizar miles de horas de grabaciones submarinas con una fiabilidad cercana al 88%. Según Neus Pérez, investigadora de la UCA, sin el modelo habría sido inviable revisar manualmente más de 1.300 horas de grabaciones.
Más allá del Estrecho de Gibraltar, la metodología es aplicable a programas de monitorización acústica en otras áreas. Esto se detalla en el artículo ‘Iterative deep learning for cetacean whistle detection in the Strait of Gibraltar’, publicado en ‘Engineering Applications of Artificial Intelligence’.
El Estrecho de Gibraltar, como corredor natural entre el Atlántico y el Mediterráneo, alberga un tráfico marítimo intenso y fenómenos oceanográficos únicos, lo que favorece una rica biodiversidad marina. Investigadores instalaron sistemas de monitorización acústica pasiva cerca de Tarifa, recopilando más de 1.300 horas de audio en cuatro sondeos. Esta técnica utiliza hidrófonos para registrar sonidos marinos sin interferir en el comportamiento animal, algo fundamental para seguimientos en condiciones difíciles.
El equipo logró automatizar el proceso de selección de fragmentos con mayor probabilidad de contener vocalizaciones. Se entrenaron con audios de cetáceos obtenidos en internet y emplearon técnicas de transferencia de aprendizaje para adaptar modelos de reconocimiento de cantos de aves al entorno marino. Mediante un proceso iterativo, el modelo analiza y aprende de las particularidades acústicas locales, reduciendo errores notablemente.
El estudio pone énfasis en el «paisaje sonoro marino», compuesto por biofonía (sonidos de seres vivos), geofonía (olas y corrientes), y antropofonía (origen humano). Entender este paisaje permite evaluar áreas marinas y la calidad del agua, especialmente en zonas con alta actividad humana.
El sistema alcanzó un rendimiento del 88% en condiciones complejas al ajustar umbrales de confianza, lo que optimiza la detección sin aumentar falsas alarmas. Las aplicaciones incluyen la monitorización continua y no invasiva de cetáceos, aportando datos para evaluar impactos acústicos y contribuir a programas de seguimiento estratégico.
La metodología es extrapolable a otros entornos marinos, con planes para aplicarlo en el estudio de peces en torno a la posidonia en Ibiza, aprovechando un modelo principal adaptado al entorno submarino de la Bahía de Cádiz.
Este trabajo es parte del proyecto ‘SEANIMALMOVE’, financiado por la Junta de Andalucía y los fondos europeos Next Generation EU.
Fuente: Junta de Andalucía.
