La inteligencia artificial sigue expandiendo su influencia en la investigación científica y la industria. En este contexto, estudiantes de la Uniagustiniana presentaron AlgaeVisión, un proyecto enfocado en la detección automática de células de microalgas mediante modelos de aprendizaje profundo aplicados a imágenes microscópicas. El objetivo es optimizar procesos que tradicionalmente dependen del análisis manual.
Origen y necesidad del proyecto
La iniciativa surge para resolver las limitaciones de los métodos convencionales de conteo y análisis celular. Según los responsables, estas tareas manuales requieren mucho tiempo, están expuestas a errores humanos y son difíciles de escalar en entornos de alta producción. Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana, señaló que estas deficiencias afectan sectores estratégicos como la biotecnología, la acuicultura y la producción de biocombustibles, que necesitan análisis precisos y constantes.
Solución tecnológica basada en YOLO
AlgaeVisión emplea modelos de detección de objetos tipo YOLO, que identifican múltiples células de microalgas en tiempo real. Esto acelera los análisis sin sacrificar precisión. La herramienta automatiza el procesamiento de imágenes microscópicas, reduce la variabilidad entre observadores y facilita análisis a gran escala, ofreciendo una alternativa tecnológica para sectores donde la rapidez y confiabilidad son críticas.
“Este proyecto no solo es una implementación técnica, sino una apuesta por integrar inteligencia artificial en problemas reales del sector científico e industrial, donde la eficiencia y la confiabilidad son esenciales”, afirmó Torres Ovalle.
Avances y plataforma web
Uno de los logros clave fue la creación de un modelo de IA capaz de clasificar y detectar microalgas en imágenes. El proyecto evolucionó de una fase experimental a una solución funcional, incluyendo una página web que permite a los usuarios cargar imágenes o usar material disponible para realizar detecciones. “Este componente web facilita el acceso, mejora la interacción y permite que el modelo sea usado desde una interfaz amigable”, explicó el docente.
Resultados destacados
En clasificación multiclase, el sistema alcanzó una precisión promedio cercana al 99 %. En detección, obtuvo un mAP50-95 del 70 %, un mAP50 del 91,6 %, una precisión del 88,0 % y un recall del 82,7 %. Torres Ovalle destacó que estos indicadores muestran una base técnica sólida para avanzar hacia validación aplicada.
Impacto y proyecciones
Más allá de los resultados, el proyecto representa una oportunidad para fortalecer la investigación con IA y visión por computador, reduciendo tiempos de análisis y minimizando diferencias entre observadores. AlgaeVisión se perfila como una herramienta clave para biotecnología, acuicultura y biocombustibles, transformando el estudio de microalgas con tecnología de punta.
