Implementación de un prototipo de software de escritorio basado en visión por computadora para la trazabilidad de crecimiento de trucha arcoíris (Oncorhynchus mykiss) en el Laboratorio LESTOMA-UDEC

Resumen

El seguimiento del crecimiento de las truchas arcoíris (Oncorhynchus mykiss) en sistemas cerrados de recirculación de agua representa un componente esencial para el aprovechamiento del alimento en los peces y la eficiencia de la producción acuícola. Este proceso de seguimiento requiere la aplicación de métodos exactos y no invasivos que faciliten la evaluación del desarrollo de los peces sin generarles estrés y manteniendo las condiciones del estado del medio acuático. En esta investigación, se implementó un sistema de visión por computadora que permite procesar imágenes simultaneas capturadas desde una cámara cenital y una cámara lateral ubicadas sobre un túnel de paso que conecta dos estanques de producción acuícola, con el fin de estimar semanalmente las dimensiones de los peces muestreados usando algoritmos de Machine Learning, además, de generar datos que permiten ajustar en forma automática la dosificación del alimento de los peces. Para lograr esto, inicialmente se determinaron los requerimientos y el diseño del diagrama UML aproximado del software construyendo en paralelo el sistema físico de muestreo fotográfico, luego se aplicaron ajustes para la captura de la imágenes realizando pruebas experimentales que determinaron la distancia adecuada entre las cámaras y el túnel de observación evaluando distancias desde 3 cm hasta 7 cm. Seguidamente, se abordó el problema de la distorsión óptica generada por el sistema de lentes y el medio acuático, para lo cual se obtuvo una función de corrección polinómica que permitió compensar los errores presentes en las imágenes capturadas. Luego, se implementó un algoritmo de machine learning en Python y finalmente, se analizaron y validaron los resultados experimentales, demostrando que a 7cm entre el tubo de muestreo y la cámara, las imágenes obtenidas conservaban la totalidad del cuerpo del pez dentro del campo de visión, evitando recortes en los extremos y reduciendo los errores en la estimación de longitud. Asimismo, la ejecución del algoritmo inteligente y la consideración de la corrección óptica permitieron mejorar la relación entre las medidas reales y las calculadas por el sistema, además de generar un comando (orden) de respuesta hacia el sistema electrónico que controla y ajusta la cantidad de alimento de los peces periódicamente.