“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 Desiré Cuevas Romero, estudiante de Ingeniería en Inteligencia Artificial del Instituto Politécnico Nacional (IPN), al presentar Deep Bug, un sistema que utiliza Inteligencia Artificial para agilizar la evaluación de la calidad del agua.
El proyecto fue desarrollado por Cuevas Romero y Didier González Ferreira, de Ingeniería en Inteligencia Artificial, junto con Óscar Leyva Rodríguez, de Ingeniería en Sistemas Computacionales, todos de la Escuela Superior de Cómputo (Escom).
Deep Bug integra una aplicación móvil para realizar monitoreos en campo, una plataforma web para administrar y consultar información, así como un modelo de IA capaz de identificar automáticamente macroinvertebrados acuáticos a partir de imágenes.
Estos organismos funcionan como bioindicadores, debido a que su presencia o ausencia permite conocer las condiciones ambientales de los cuerpos de agua. La información obtenida se utiliza para aplicar el índice Biological Monitoring Working Party, adaptado para México como BMWP/Mex por la doctora Eugenia López López, de la Escuela Nacional de Ciencias Biológicas (ENCB), quien participó como codirectora del proyecto.
De acuerdo con los estudiantes, el sistema busca reducir algunas de las dificultades que implica la aplicación tradicional del índice, como el registro manual de datos, la pérdida o deterioro de formatos durante el trabajo de campo y el tiempo requerido para identificar correctamente los organismos.
Para desarrollar el sistema de clasificación, el equipo utilizó redes neuronales convolucionales especializadas en el procesamiento de imágenes. El modelo fue entrenado durante seis meses con alrededor de 3 mil fotografías y se enfocó inicialmente en cinco familias de macroinvertebrados cuyas características visuales pueden dificultar su identificación.
Una de las características de Deep Bug es que puede funcionar en zonas con conectividad limitada. La aplicación almacena los datos de manera local y, al recuperar la conexión a internet, sincroniza la información con la nube. También permite digitalizar protocolos, administrar proyectos, consultar registros históricos y calcular automáticamente el índice BMWP/Mex.
Como parte de su validación, en mayo pasado los desarrolladores realizaron pruebas de laboratorio y campo en cuerpos de agua de la Reserva de la Biósfera Tehuacán-Cuicatlán, entre Puebla y Oaxaca, con apoyo de especialistas y habitantes de comunidades de la región.
Los ejercicios permitieron probar la comunicación entre la aplicación móvil, la plataforma web y el modelo de Inteligencia Artificial durante los procesos de monitoreo.
El equipo continuará trabajando en Deep Bug con el objetivo de ampliar su banco de imágenes, mejorar la precisión en la identificación de macroinvertebrados y adaptar la herramienta a diferentes regiones del país.