80.8 % de aciertos
La categoría exacta, entre 121 posibles. En el 98.0 % de los casos la correcta está entre las cinco primeras que propone.
← Volver a proyectos
Identificación
Proyecto · Plancton
Identificación
Automática de Plancton
El plancton es la base de toda la red trófica marina y el primer sistema que responde cuando el océano cambia. Los instrumentos que lo fotografían generan millones de imágenes al día. Construimos el sistema que las identifica.
El problema
Se sabe fotografiar el plancton mucho mejor de lo que se sabe identificarlo. El cuello de botella no está en el mar: está en el escritorio.
La brecha
Un taxónomo no alcanza
Un instrumento remolcado como el que produjo estas imágenes atraviesa hasta 160 litros de agua por segundo y recorta cada organismo que encuentra. Una sola campaña deja cientos de miles de recortes.
Identificarlos exige una persona con formación taxonómica, y hay pocas. El resultado es conocido: campañas completas archivadas sin procesar, y series de tiempo que nunca se construyen porque nadie puede revisarlas a mano.
Lo que resolvemos
Convertir esas imágenes en un conteo estructurado por tipo de organismo, de forma automática, para que el monitoreo deje de depender de cuántos especialistas se puedan contratar.
Doce de las 121 categorías tienen menos de 20 ejemplos para aprender.
El desbalance es de 220 a 1
Veinticuatro de las 121 categorías, mostradas a su tamaño relativo real ·
de un protista de 3 mm a una medusa de 12
Cómo funciona
Tres propiedades del problema que el sistema aprovecha, y que un clasificador genérico desperdicia.
Primero · El tamaño es un dato
Los píxeles son milímetros
El instrumento ilumina con luz colimada, así que el aumento óptico es constante en todo el volumen que fotografía: un organismo ocupa el mismo número de píxeles esté cerca o lejos del lente. El tamaño de la imagen es el tamaño real del animal.
Medimos cuánto vale esa señal: el tamaño por sí solo, sin mirar el interior de la imagen, ya explica el 15 % de la información necesaria para clasificar. Así que lo extraemos de la imagen original y se lo entregamos al modelo aparte, antes de que ningún redimensionado lo borre.
Con una salvedad que sólo se supo midiéndola: comparamos el sistema con y sin ese dato explícito y la diferencia resultó indistinguible de cero. La explicación más plausible es que el modelo ya lo estaba leyendo solo —un recorte diminuto ampliado se ve borroso y uno grande reducido se ve nítido, y esa textura delata el tamaño original. Lo dejamos porque no estorba y porque hace explícito lo que si no queda escondido.
Cada categoría ocupa un rango de tamaño distinto, y ese rango es información
biológica real
El mismo quetognato en todas sus orientaciones posibles · ninguna es la
«correcta»
Segundo · No hay arriba
La orientación es azar puro
Un organismo flotando atraviesa el campo de la cámara en cualquier ángulo. A diferencia de una fotografía de un perro o un coche, aquí no existe una orientación natural que el sistema pueda dar por supuesta.
El sistema se entrena viendo cada organismo en todos los ángulos, y al clasificar promedia ocho vistas giradas y reflejadas de la misma imagen. Un detalle que parece menor decide el resultado: el lienzo sobre el que se gira es lo bastante grande para que ninguna rotación corte las puntas. En un quetognato alargado, esas puntas son precisamente lo que lo distingue.
Tercero · Medir la duda
No basta con acertar
Para un ecólogo, «es un copépodo» y «es un copépodo con 60 % de confianza» son datos distintos. Un sistema que acierta mucho pero se equivoca con seguridad absoluta es inservible para estimar abundancias. Por eso el sistema se evalúa por la calidad de sus probabilidades, no por su porcentaje de aciertos, y se recalibra al final contra datos que nunca vio.
Desempeño
Todas las cifras salen de imágenes que el sistema no usó para entrenar.
91.0 % acierta el linaje
Cuando falla la especie exacta, más de la mitad de las veces se equivoca dentro del mismo grupo taxonómico. No confunde una medusa con un detrito: confunde dos quetognatos entre sí.
Sabe cuándo duda
Cuando el sistema declara 99 % de confianza acierta el 99.6 % de las veces; cuando declara 41 % acierta el 40 %. La confianza que reporta es un número con el que se puede contar, no una impresión.
Aporte medido de cada componente · promediar ocho vistas giradas de la misma
imagen es la mejora individual más grande y no cuesta un solo paso de
entrenamiento
El error no está repartido por igual. Doce de las 121 categorías concentran el 45 % del error total, y encabeza la lista la categoría literalmente llamada «sin clasificar»: la bolsa donde los propios taxónomos dejaron lo que no pudieron identificar. Las categorías raras, en cambio, casi no cuestan: las 33 con menos de 50 ejemplos son el 2.9 % de las imágenes y el 7.3 % del error.
Eso reordena el trabajo que sigue: no hace falta perseguir las categorías raras, hace falta separar mejor las categorías hermanas que se parecen entre sí, que es exactamente el problema que también tienen los especialistas humanos revisando estas mismas imágenes.
Cómo lo validamos
Un sistema de monitoreo solo sirve si se sabe cuánto equivocarse espera. Estas son las reglas que nos impusimos para poder decirlo.
Probabilidades, no etiquetas
El sistema entrega una distribución completa sobre las 121 categorías y se recalibra contra datos que nunca vio. Eso permite estimar abundancias con su incertidumbre, no solo poner un nombre a cada imagen.
Cinco particiones cruzadas
Cada imagen se evalúa con un modelo que no la usó para entrenar. Todo lo que medimos sale de ahí, nunca de los datos con los que el sistema aprendió.
Reproducible y barato
Dos modelos y unas horas de una sola tarjeta gráfica. El código completo corre de principio a fin con un comando, sin pasos manuales que nadie pueda repetir después.
Dónde se aplica
Identificar plancton automáticamente abre líneas que hoy están cerradas por falta de manos.
Pesquerías
Las larvas de peces del plancton son los adultos de dentro de tres años. Contarlas es la forma más temprana de anticipar un reclutamiento bueno o malo, antes de que llegue a la red.
Florecimientos nocivos
Detectar a tiempo la proliferación de ciertos grupos permite avisar a la acuacultura y a la salud pública antes de que el evento sea visible desde la costa.
Series de tiempo
Hay archivos de imágenes de campañas pasadas guardados sin procesar. Reanalizarlos permite reconstruir cómo cambió la comunidad planctónica en las últimas décadas.
La misma capacidad, otro objetivo
Del pez al plancton
Es el mismo problema que ya resolvimos para el monitoreo pesquero: hay imágenes de sobra y nadie que las revise una por una. Cambia el organismo y cambia la cámara, pero el método —localizar, identificar, y sobre todo reportar la incertidumbre— se traslada.
Estado del desarrollo
Prototipo validado sobre 160,736 imágenes de un instrumento oceanográfico real, con 121 categorías y su jerarquía taxonómica. El siguiente paso es adaptarlo a imágenes de instrumentos que operan en aguas mexicanas.
¿Tienes imágenes de plancton sin procesar?
Si tu grupo opera un instrumento de imagen submarina o tiene archivos históricos esperando análisis, hablemos.
Contactar a OceanMix