Desarrollan en La Plata un sistema para detectar alacranes en tiempo real

Presencia que, según la especie a la que pertenezcan, pone en riesgo, por su picadura ponzoñosa, a los vecinos, los escorpiones se han ido apropiando de los espacios habitados de la Región: comienza a hacer un poco de calor, salen de sus escondites y causan, al menos, alarma donde se los encuentre. Investigadores del CONICET desarrollaron un sistema para detectarlos basado en inteligencia artificial.

Se trata de un dispositivo de detección automática y reconocimiento de alacranes diseñado por expertos del CONICET La Plata que podría utilizarse como alarma domiciliaria o aplicaciones móviles con fines de prevención y control sanitario.

De acuerdo a lo que precisaron los mismos investigadores, en el Gran La Plata se encuentran presentes tres especies de escorpiones: Bothriurus bonariensis, Tityus carrilloi y Tityus confluence. Las dos últimas son consideradas de importancia sanitaria, es decir capaces de generar, con su picadura, infecciones mortales. Poder detectar la presencia de estos animales y saber diferenciarlos son dos factores muy importantes para prevenir los casos de gravedad, se resaltó.

De ahí la importancia del desarrollo a cargo del CONICET local, ya que este novedoso sistema de detección, clasificación y reconocimiento de la especie de arácnidos aportaría una herramienta de prevención porque podría dar la alarma en tiempo real y así alertar, por caso, a los ocupantes de una vivienda con la presencia del animal.

También podría aplicarse el dispositivo en otro uso no menos relevante: sirve, asimismo, para ser usado por equipos médicos de emergencia a la hora de la intervención y de identificar a tiempo al agente causante de una picadura para activar las medidas sanitarias necesarias.

Cómo funciona

“Lo que presentamos es un sistema que se basa en inteligencia artificial aplicada al procesamiento de imágenes. Usamos una herramienta de ´deep learning´, o aprendizaje profundo, es decir el uso de una gran cantidad de redes neuronales aplicadas al aprendizaje de matrices, datos o, en este caso, imágenes”, explicó Francisco Giambelluca, profesional asistente del CONICET en el Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas (INIFTA, CONICET-UNLP) y primer autor del trabajo –se encuentra realizando su doctorado en el Grupo de Control Aplicado (GCA) del Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales (LEICI, CONICET-UNLP)-.

El experto añadió: “Lo que hicimos fue alimentar a un algoritmo preestablecido con una base de datos con más de 300 imágenes de escorpiones, y de esa manera lo entrenamos para que pueda detectarlos por su forma. El sistema funciona como una ‘caja negra’; nosotros desconocemos las interrelaciones que se dan entre esas redes neuronales. Trabajamos con técnicas de lo que se conoce como data augmentation, es decir partimos de una base de datos pequeña que el sistema agranda para aprender a reconocer a los escorpiones en situaciones que no son las que se observan en las fotografías proporcionadas. Básicamente, se van creando imágenes en base a las que ya teníamos, con distintas posiciones y orientaciones, para que tenga información más sólida para la detección e identificación”.

Giambelluca se refirió a un algoritmo “vivo” que va incorporando conocimiento. En ese sentido, al principio los expertos le cargaron no solo imágenes de escorpiones, sino también de otros objetos, “para que pueda diferenciar lo que sí es y lo que no es un escorpión”. Luego, agregaron fotografías de poca definición para que pueda identificar la forma, y más tarde, otras de alta resolución, para que logre clasificar por género y especie.