En días pasados fue presentado el Proyecto AlgaeVisión, una iniciativa enfocada en la detección automática de células de microalgas a partir de imágenes microscópicas mediante modelos de aprendizaje profundo.
Este trabajo surge de una necesidad clara: los procesos tradicionales de conteo y análisis celular son manuales, costosos en tiempo, susceptibles a error humano y difíciles de escalar para escenarios de alta producción.
Estas limitaciones impactan directamente áreas estratégicas como la biotecnología, la acuicultura y la producción de biocombustibles, así lo afirma Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana.
AlgaeVisión: inteligencia artificial para optimizar el análisis de microalgas
AlgaeVisión propone una solución basada en modelos de detección de objetos tipo YOLO, capaces de identificar múltiples células en tiempo real, optimizando significativamente la velocidad del análisis sin comprometer la precisión.
El sistema permite automatizar el procesamiento de imágenes, reducir la variabilidad entre observadores y habilitar análisis a gran escala.
“Este proyecto no solo representa una implementación técnica, sino una apuesta por la integración de inteligencia artificial en problemas reales del sector científico e industrial, donde la eficiencia y la confiabilidad son críticas”, comentó Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana.
Avances recientes y proyección de AlgaeVisión
A nivel tecnológico, uno de los principales hitos ha sido el desarrollo e integración de un modelo de inteligencia artificial capaz de realizar tareas de clasificación y detección de microalgas a partir de imágenes.
Este avance permitió pasar de una etapa experimental de entrenamiento de modelos a una solución funcional orientada al uso por parte de usuarios finales. Adicionalmente, se desarrolló una página web para disponer la solución a cualquier usuario interesado, de manera que pueda cargar o utilizar imágenes y realizar la detección de microalgas mediante el modelo de inteligencia artificial.
Para Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana, “este componente web facilita el acceso al sistema, mejora la interacción con la herramienta y permite que el modelo no quede limitado al entorno de desarrollo, sino que pueda ser probado y usado desde una interfaz más amigable”.
Otro hito importante es la implementación de modelos basados en YOLO y Ultralytics, tecnologías ampliamente utilizadas en visión por computador para detección de objetos.
Gracias a esto, AlgaeVisión no solo clasifica imágenes, sino que también puede identificar múltiples células o microalgas dentro de una misma imagen, facilitando procesos de análisis que normalmente requerirían revisión manual.
Resultados y aportes del proyecto
Asimismo, en la tarea de clasificación multiclase de microalgas, se ha alcanzado un desempeño promedio cercano al 99 % de precisión, lo que evidencia una alta capacidad del modelo para diferenciar entre las clases evaluadas.
En la tarea de detección de microalgas, el modelo obtuvo aproximadamente 70 % en mAP50-95, junto con métricas complementarias relevantes: mAP50 de 91,6 %, precisión de 88,0 % y recall de 82,7 %.
“Estos resultados muestran que AlgaeVisión cuenta con una base técnica sólida y un nivel de confiabilidad alto para avanzar hacia etapas de validación aplicada”, precisó Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana.
Además, la solución representa una oportunidad para reducir tiempos de análisis, disminuir la variabilidad entre observadores y apoyar procesos de investigación mediante herramientas de inteligencia artificial y visión por computador.
