La Inteligencia Artificial puede detectar el rechazo al pienso meses antes que el ojo humano

Desarrollar y testar nuevos piensos sigue siendo uno de los cuellos de botella financieros más críticos de la acuicultura. La industria se enfrenta habitualmente a una "caja negra" de semanas o meses de espera para verificar si una nueva formulación afecta al Índice de Conversión (FCR). Sin embargo, una nueva investigación sugiere que la respuesta podría estar disponible en cuestión de días, si sabemos cómo mirar.

Un reciente estudio liderado por Hung Quang Tran, del Instituto de Acuicultura y Protección de las Aguas de la Universidad de Bohemia del Sur, ha validado el uso de visión artificial y deep learning para cuantificar la palatabilidad con una precisión inédita.

En el estudio se utilizó el algoritmo de detección de objetos YOLOv8 en el comportamiento de trucha arcoíris frente a dietas con harina de larva de mosca soldado negra (Hermetia illucens). Los resultados fueron reveladores: el sistema detectó que una inclusión del 2,5% de harina de insecto no alteraba la dinámica de nado, pero al superar el umbral del 5%, la velocidad de ingestión y la actividad de los peces caían significativamente.

Te podría interesar

Aquaticode y Cooke España firman un acuerdo para el desarrollo e implementación el fenotipado para la lubina y la dorada mediante IA

Lo relevante no es solo que los peces comieran menos, sino que la IA cuantificó este rechazo sutil a través de métricas de comportamiento (velocidad de nado y detección de pellets) en un ensayo de corta duración.

Esta herramienta ha demostrado una gran eficiencia operativa al descartar pronto la dieta. Bajo los métodos tradicionales, un cambio sutil en la palatabilidad —como el provocado por los compuestos volátiles (pirazinas) detectados en la harina de insecto en este estudio — podría pasar desapercibido hasta que se reflejase en un menor crecimiento semanas después.

La investigación concluye que la IA no sustituye los ensayos biológicos, sino que los optimiza introduciendo el concepto de fail fast. Al detectar mediante visión artificial problemas de palatabilidad en cuestión de días, los fabricantes pueden descartar formulaciones ineficientes tempranamente. Esto evita bloquear tanques y personal en dietas de baja aceptación, permitiendo acelerar la innovación y testar más ingredientes sin arriesgar la rentabilidad de ciclos productivos completos.

El estudio subraya que estas herramientas digitales ofrecen datos de "alta resolución y no invasivos", actuando como un primer filtro crítico. Aunque la validación nutricional y de salud a largo plazo sigue siendo insustituible, la capacidad de predecir la aceptabilidad del pienso mediante el análisis de video automatizado promete reducir drásticamente el coste del ensayo y error.

En un mercado donde el coste de las materias primas es volátil, la ventaja competitiva no la tendrá quien solo formule mejor, sino quien sea capaz de descartar las malas ideas más rápido.