Investigadores del departamento de Arquitectura de Computadores y Automática de la Universidad Complutense de Madrid (UCM) han desarrollado un innovador dispositivo de bajo coste (menos de 40 euros) capaz de implementar algoritmos avanzados de Inteligencia Artificial para predecir la proliferación de cianobacterias en sistemas hídricos con hasta 28 días de antelación.

Las cianobacterias son microorganismos presentes de forma natural en ríos, lagos y embalses. En determinadas condiciones ambientales, pueden experimentar un rápido crecimiento –conocido como bloom– y producir metabolitos tóxicos que representan un riesgo para la salud de animales y humanos, además de comprometer la calidad del agua para su uso doméstico e industrial.

Boyas inteligentes

El sistema utiliza redes neuronales poco profundas basadas en algoritmos de memoria a corto y largo plazo (LSTM). A diferencia de las redes profundas tradicionales, estas son más pequeñas, específicas y eficientes, lo que permite reducir el coste computacional. Además, antes de ser incorporada al dispositivo, la red neuronal es comprimida mediante discretización, reduciendo aún más su tamaño para facilitar su implementación.

El dispositivo se conecta como un complemento (add-on) a los sensores existentes en las boyas de monitorización. Recibe en tiempo real datos como la temperatura o la fluorescencia de la ficocianina, los procesa para ejecutar el modelo predictivo y transmite inalámbricamente tanto los datos originales como las predicciones.