El proyecto “Deep Bug”, desarrollado en la Escuela Superior de Cómputo, identifica macroinvertebrados acuáticos mediante imágenes y automatiza la aplicación del índice BMWP/Mex para evaluar la calidad del agua.
La inteligencia artificial comienza a encontrar nuevas formas de mirar el estado de los ecosistemas. En la Escuela Superior de Cómputo (Escom) del Instituto Politécnico Nacional (IPN), un grupo de estudiantes desarrolló Deep Bug, una herramienta tecnológica que busca agilizar la evaluación de la calidad del agua a partir de pequeños organismos que habitan en ríos y otros cuerpos de agua.
El proyecto utiliza Inteligencia Artificial para identificar macroinvertebrados acuáticos, organismos cuya presencia o ausencia puede revelar las condiciones ambientales de un ecosistema. Con esta información, el sistema facilita la aplicación del índice BMWP/Mex, utilizado para evaluar la calidad del agua mediante indicadores biológicos.
Una herramienta que lleva la IA al trabajo de campo
Deep Bug fue desarrollado por Desiré Cuevas Romero y Didier González Ferreira, estudiantes de Ingeniería en Inteligencia Artificial, junto con Óscar Leyva Rodríguez, de Ingeniería en Sistemas Computacionales.
La herramienta está integrada por tres componentes: una aplicación móvil para recopilar información durante el trabajo de campo, una plataforma web para administrar y consultar los datos y un modelo de IA capaz de clasificar macroinvertebrados mediante fotografías.
El objetivo es reducir algunos de los obstáculos que tradicionalmente enfrenta la aplicación del BMWP/Mex, como el registro manual de información, la pérdida o deterioro de formatos, el tiempo necesario para identificar organismos y las dificultades para conservar y consultar los resultados de distintos monitoreos.
De una fotografía a un diagnóstico ambiental
Para desarrollar el sistema de identificación automática, los estudiantes recurrieron a redes neuronales convolucionales, una tecnología especializada en el análisis y reconocimiento de imágenes.
El modelo fue entrenado durante seis meses con aproximadamente 3 mil imágenes y se concentró inicialmente en cinco familias de macroinvertebrados cuyas características visuales pueden ser difíciles de distinguir.
La herramienta permite que una imagen obtenida durante un monitoreo sea procesada por el modelo para apoyar la identificación del organismo y, posteriormente, integrar esa información al cálculo del índice BMWP/Mex.
El método BMWP evalúa la calidad del agua mediante la diversidad de macroinvertebrados. Estos organismos funcionan como bioindicadores, ya que determinadas especies pueden estar presentes o ausentes dependiendo de las condiciones ambientales.
En México, el método fue adaptado como BMWP/Mex por la doctora Eugenia López López, de la Escuela Nacional de Ciencias Biológicas (ENCB), quien además participó como codirectora del proyecto.
Diseñado para lugares donde internet no siempre está disponible
Uno de los aspectos particulares de Deep Bug es que fue pensado para utilizarse en zonas donde la conexión a internet puede ser limitada.
La aplicación móvil puede almacenar localmente la información recopilada durante el monitoreo. Cuando vuelve a existir conexión, los datos se sincronizan automáticamente con la nube.
Además, el sistema permite digitalizar protocolos, administrar proyectos, consultar resultados históricos y calcular automáticamente el índice BMWP/Mex, con la intención de concentrar en una misma plataforma buena parte del proceso de evaluación.
“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”, explicó Desiré Cuevas Romero.
La prueba llegó a Tehuacán-Cuicatlán
La tecnología ya tuvo una primera etapa de validación en condiciones reales.
En mayo pasado, el equipo realizó pruebas de laboratorio y campo en cuerpos de agua de la Reserva de la Biósfera Tehuacán-Cuicatlán, territorio ubicado entre Puebla y Oaxaca, con la participación de especialistas y habitantes de comunidades de la región.
Los ejercicios permitieron comprobar la comunicación entre los tres componentes principales del sistema: la aplicación móvil, la plataforma web y el modelo de Inteligencia Artificial.
Más que sustituir el trabajo de especialistas, el proyecto plantea una herramienta de apoyo para hacerlo más rápido, ordenado y accesible, particularmente en zonas donde realizar monitoreos ambientales puede representar un reto logístico.
Una tecnología que todavía busca crecer
El proyecto se encuentra en una etapa de desarrollo continuo. Sus creadores planean ampliar el banco de imágenes, mejorar la precisión del modelo de identificación y adaptar Deep Bug a diferentes regiones del país.
La apuesta es que una herramienta nacida en las aulas pueda convertirse en un recurso útil para biólogos, investigadores y comunidades que necesitan conocer el estado de sus cuerpos de agua.
Así, detrás de cada fotografía de un pequeño organismo acuático existe la posibilidad de obtener información sobre un ecosistema completo: una muestra de cómo la inteligencia artificial puede dejar los laboratorios y convertirse en una aliada para entender y proteger el medio ambiente.