22/06/2026

Del pellet al algoritmo: la nueva era de la alimentación en la acuicultura

Por Lilian Dena dos Santos

La acuicultura actual está experimentando una transformación significativa, impulsada por la necesidad de mayor eficiencia productiva, sostenibilidad y previsibilidad de los resultados. En este escenario, la alimentación se posiciona no solo como el principal costo de producción, sino también como una de las mayores oportunidades para mejorar el desempeño productivo. Sin embargo, los avances aislados, ya sea en la formulación de dietas o en la adopción de tecnologías de cultivo, ya no son suficientes. El progreso real ocurre cuando existe integración entre nutrición y tecnología, lo que permite ajustar en tiempo real la oferta de alimento a las condiciones ambientales y al comportamiento de los animales.
De la alimentación programada a la alimentación responsiva
Tradicionalmente, el manejo alimentario en piscicultura y carcinicultura se basaba en rutinas fijas, con horarios y cantidades predefinidos. Aunque ampliamente utilizado, este modelo presenta limitaciones, en especial, en sistemas intensivos, donde las variables ambientales pueden cambiar rápidamente a lo largo del día.

Con la evolución de los sistemas productivos, se observa una transición hacia modelos más sofisticados basados en el concepto de alimentación responsiva. En este enfoque, la oferta de alimento deja de ser exclusivamente programada y pasa a ajustarse a factores, como el oxígeno disuelto, la temperatura del agua y la actividad alimentaria de los animales. Este enfoque es posible gracias a la integración de sensores, controladores y sistemas automatizados, que permiten la toma de decisiones en tiempo real, reduciendo las pérdidas y optimizando el uso del alimento.
Automatización aplicada a los sistemas de alimentación
Los alimentadores automáticos constituyen uno de los principales puntos de integración entre la nutrición y la tecnología. En piscicultura, los alimentadores flotantes (Fig. 1) ya forman parte de la rutina productiva y, incluso en sus versiones más simples, garantizan una distribución más uniforme del alimento. En sistemas más avanzados, estos equipos se integran en plataformas de automatización, lo que permite aumentar la frecuencia de alimentación y sincronizar el suministro con el comportamiento natural de ingestión de los peces.   Figura 1. Alimentador automático flotante utilizado en piscicultura, que permite una distribución más uniforme del alimento y mejora la eficiencia alimentaria.   Además, la automatización permite realizar ajustes dinámicos en función de las condiciones ambientales. En situaciones de bajo oxígeno disuelto, por ejemplo, el sistema puede reducir o interrumpir la alimentación para evitar el estrés fisiológico y las pérdidas productivas. De manera similar, la temperatura del agua pasa a orientar la tasa de alimentación, acompañando las variaciones metabólicas de los animales.

En carcinicultura, los avances siguen la misma tendencia. Los sistemas modernos integran alimentadores con herramientas de gestión y geolocalización, lo que permite un mayor control sobre las áreas de alimentación. Destaca también el uso de hidrófonos (Fig. 2), que registran los sonidos generados durante la alimentación, como el impacto de los pellets en el agua y la actividad de los camarones, y permiten ajustar automáticamente la oferta de alimento en función de dicha actividad, lo que reduce los desperdicios y evita la subalimentación.
 
Figura 2. Sistema de alimentación en carcinicultura con hidrofono integrado, que ajusta la oferta de alimento en función de la actividad alimentaria de los camarones.   Ambiente, bienestar y eficiencia alimentaria
Un error común es asociar principalmente los beneficios de la automatización con la reducción de los costos energéticos. Aunque esto puede ocurrir, su impacto más relevante radica en la mejora de la eficiencia alimentaria y del desempeño productivo.

La integración de sensores y sistemas automatizados (Fig. 3) contribuye a mantener condiciones ambientales más estables a lo largo del ciclo productivo. El monitoreo continuo de parámetros, como la temperatura, el oxígeno disuelto y la calidad del agua (Fig. 4) orienta la toma de decisiones operativas, especialmente en el manejo alimentario, lo que reduce el estrés y favorece la utilización de los nutrientes. Como resultado, se observa una mejora en la conversión alimenticia, una mayor uniformidad entre los lotes y una reducción del tiempo de cultivo.    Figura 3. Sistema integrado de automatización para acuicultura, que permite el monitoreo continuo de parámetros ambientales y el control del manejo alimentario.     Figura 4. Interfaz de control del sistema automatizado, que permite ajustar la alimentación en función de biomasa, oxígeno disuelto, temperatura y horarios de suministro.   Más que aumentar la cantidad de alimento, la tecnología permite suministrar la dieta adecuada en el momento oportuno y en condiciones óptimas.
Tecnologías complementarias en la gestión del alimento
Además de los sistemas de distribución de alimento, otras soluciones han ganado relevancia, como los sistemas de preparación y tratamiento de alimentos directamente en la granja (on-farm) (Fig. 5). Estos sistemas permiten la incorporación automatizada de aditivos, medicamentos y suplementos (Fig. 6), lo que mejora la uniformidad de la aplicación, la seguridad operativa y el control del proceso productivo.   Figura 5. Sistema de tratamiento de alimentos on-farm para la incorporación automatizada de aditivos, suplementos y medicamentos.   Figura 6. Equipo de tratamiento de alimento accionado por cardán, utilizado para operaciones en campo con alta eficiencia operativa.   En sistemas intensivos, donde pequeñas variaciones pueden afectar significativamente los resultados, este nivel de control representa una ventaja competitiva importante. Desde el punto de vista operativo, esto se traduce en una mayor eficiencia en la gestión, una reducción de desperdicios y un mayor control del proceso productivo.
Integración entre nutrición y tecnología: un camino necesario
A pesar de los avances tecnológicos, la calidad y el equilibrio nutricional de la dieta siguen siendo fundamentales para que la precisión en el suministro se traduzca en un desempeño productivo. En sistemas intensivos, la eficiencia alimentaria depende no solo del manejo, sino también de la capacidad de la dieta para aportar nutrientes de forma biodisponible y equilibrada.

Factores, como la digestibilidad de los ingredientes, el perfil de aminoácidos, la relación energía-proteína y la adecuación de la formulación a cada fase de cultivo resultan determinantes para el rendimiento productivo. Asimismo, la adaptación de la dieta a las condiciones ambientales, en particular a la temperatura y al oxígeno disuelto, influye directamente en el consumo y la utilización de los nutrientes.

Considerando estos factores, diferentes formulaciones pueden (y suelen) generar respuestas distintas en el crecimiento y en la conversión alimenticia. Por ello, la dieta no debe evaluarse únicamente por su costo o por su contenido proteico declarado, ya que sustituciones no planificadas pueden comprometer el desempeño y reducir la ganancia de peso a lo largo del ciclo.

Las estrategias de alimentación por fase también han demostrado ser eficaces, sobre todo en las etapas iniciales. El aumento de la frecuencia alimentaria favorece la eficiencia digestiva y el crecimiento, ya que los juveniles presentan una tasa metabólica más alta y una menor capacidad de ingestión por evento. Este fraccionamiento mejora la sincronización entre la ingestión, la digestión y la absorción de nutrientes.

No obstante, su eficacia depende de las condiciones ambientales. La temperatura y el oxígeno disuelto modulan el metabolismo y, en consecuencia, el consumo y la utilización de los nutrientes. Por ello, el manejo alimentario debe ajustarse de forma dinámica para evitar tanto la subalimentación como el exceso de alimento en el sistema.

Aunque las altas frecuencias de alimentación muestran buenos resultados en condiciones comerciales, su aplicación a gran escala, especialmente en sistemas con múltiples unidades productivas, solo es viable mediante sistemas automatizados, que permiten implementar programas alimentarios más precisos, consistentes y adaptados tanto a las condiciones ambientales (calidad del agua) como a las demandas fisiológicas de los animales.

De este modo, la eficiencia del sistema productivo no solo depende de la calidad del alimento o de la tecnología empleada, sino también de la capacidad de integrar nutrición, ambiente y manejo en un sistema dinámico, en el que pequeñas variaciones ambientales pueden traducirse en diferencias significativas en el desempeño productivo.
Hacia una acuicultura integrada...
La acuicultura avanza hacia un modelo integrado en el que la nutrición, el ambiente y la tecnología actúan de forma interdependiente en la determinación del rendimiento productivo. La digitalización y la automatización amplían la capacidad de toma de decisiones, permitiendo mayor precisión en el manejo y la adaptación a condiciones dinámicas del sistema.

De este modo, el productor deja de actuar de forma reactiva y pasa a operar con base en datos, previsibilidad y control. La alimentación, además de representar el principal costo de producción, se consolida como un factor clave de la eficiencia productiva, siempre que esté alineada con las condiciones ambientales y las demandas fisiológicas de los animales.

Así, la innovación en la cadena acuícola no se limita al desarrollo de nuevos insumos o equipos, sino a la capacidad de integrarlos en sistemas dinámicos. Es esta integración la que permite transformar la información en desempeño, respetando los límites biológicos y maximizando la eficiencia productiva. Por Lilian Dena dos Santos y João Gabriel Bordignon Gomes
Fuente: All Aquaculture Magazine

03/06/2026

Desarrollan un simulador digital que optimiza la alimentación y el crecimiento de la trucha arcoíris

Para solucionar este desafío y maximizar la rentabilidad sin recurrir a costosos experimentos prolongados con peces vivos, un equipo de científicos japoneses ha desarrollado una innovadora herramienta digital. Se trata de un simulador acuícola individualizado que predice con precisión la trayectoria de crecimiento y evalúa la eficiencia alimentaria de la trucha arcoíris (Oncorhynchus mykiss). Este avance estratégico fue publicado en la prestigiosa revista Scientific Reports. El estudio ha sido liderado por un equipo multidisciplinario de la Hokkaido University, integrado por la Faculty of Fisheries Sciences, la Graduate School of Fisheries Sciences y el Field Science Center for Northern Biosphere (Nanae Fresh-Water Station).   Puntos clave del estudio Predicción precisa: El nuevo modelo simula con éxito las trayectorias de crecimiento de truchas individuales a corto plazo. Gemelo digital de alimentación: Integra el modelo de comportamiento Boids con ecuaciones de Presupuesto Energético Dinámico (DEB). Sensibilidad al alimento: Las pruebas demuestran que la eficiencia y la tasa de conversión del alimento cambian marcadamente según la etapa de crecimiento del pez. Áreas de mejora identificadas: A largo plazo, el simulador tiende a sobreestimar el crecimiento al no incluir variables críticas como el efecto de la densidad de cultivo y los niveles de oxígeno disuelto.   ¿Cómo funciona el simulador de acuicultura inteligente?   El sistema desarrollado divide el proceso en dos componentes principales interconectados que operan de manera cíclica día a día:   El modelo de comportamiento de los peces Para recrear con precisión cómo nadan e interactúan las truchas, los investigadores adaptaron el clásico modelo Boids a las dinámicas de un tanque acuícola. El movimiento individual de cada pez se rige por siete reglas de fuerza fundamentales: Separación: Evitar colisiones con los compañeros más cercanos. Cohesión: Mantener la cercanía con el grupo o cardumen. Alineación: Nadar en la misma dirección que el promedio de la escuela de peces. Evasión de límites: Esquivar de forma segura las paredes del tanque. Inercia: Mantener la tendencia del nado propio. Movimiento aleatorio: Variaciones espontáneas y naturales en la trayectoria. Aproximación al alimento: Modificar la velocidad y dirección cuando se distribuyen los pellets en el agua.   Mecánica de alimentación: Un pez activa su «modo de alimentación» cuando hay comida disponible y su estómago no ha alcanzado el límite máximo diario (fijado en el 4% de su masa corporal). En ese instante, su velocidad máxima se multiplica para competir por el alimento. Cuando el modelo virtual del pez entra en contacto con un pellet, el sistema lo registra como una ingesta efectiva.   El modelo de crecimiento energético Toda la información sobre el alimento capturado individualmente se transfiere al modelo de crecimiento. Este bloque emplea las ecuaciones del Presupuesto Energético Dinámico (DEB), un marco matemático que simula procesos fisiológicos esenciales como el metabolismo, la asimilación y la excreción. Al resolver estas ecuaciones, el simulador calcula con precisión matemática el incremento diario exacto en la masa corporal y la longitud de horquilla de cada trucha.   Validación experimental: del ordenador al tanque real   Para comprobar la fidelidad del simulador, los investigadores llevaron a cabo un experimento de crianza real durante 203 días en la estación biológica de la universidad. El estudio inició con el monitoreo de 331 truchas jóvenes en un tanque circular de 500 litros, bajo una temperatura controlada de 10°C. A los ejemplares se les suministró alimento en exceso y se registró minuciosamente su consumo diario real.   Resultados de crecimiento y discrepancias detectadas Los datos arrojados por este «gemelo digital» mostraron una excelente coincidencia con el experimento en vivo durante las etapas tempranas de cultivo. Por ejemplo, en los primeros 79 días, la Tasa de Conversión Alimenticia (FCR) real fue de 1.19, mientras que el software calculó un FCR casi idéntico de 1.18.   Sin embargo, a partir del día 80, los resultados virtuales comenzaron a distanciarse de la realidad:        ¿A qué se deben las diferencias a largo plazo? Los científicos identificaron tres factores clave que explican esta divergencia y que trazan la hoja de ruta para optimizar el software en el futuro: Omisión del efecto densidad: A lo largo del experimento, la densidad de biomasa en el tanque se elevó del 0.19% al 3.5%. En condiciones reales, una mayor densidad ralentiza el crecimiento debido al deterioro sutil del entorno físico, un factor que el sistema no contempló. Dinámica del oxígeno disuelto: El modelo actual considera la temperatura pero ignora los niveles de oxígeno disuelto (DO), una variable crítica que restringe el apetito y el metabolismo de los salmónidos en fases avanzadas. Monopolización irreal del alimento: En el programa, los peces más grandes nadan más rápido. Esto provocó que, en el entorno virtual, los ejemplares dominantes acapararan los pellets de forma excesiva, generando una variabilidad de tamaño interno mucho mayor de la que se observó en el tanque real.   Aplicaciones prácticas para la gestión acuícola inteligente   A pesar de requerir ajustes métricos para perfeccionar sus predicciones a largo plazo, este estudio demuestra el enorme potencial de los modelos basados en el comportamiento individual. De hecho, su mayor virtud radica en la capacidad inédita de proyectar la trayectoria de crecimiento de cada pez de forma independiente. En la administración comercial de granjas, esta tecnología ofrece ventajas estratégicas clave: Optimización del lote: Identificar en tiempo real la dispersión de tamaños permite retirar ejemplares inusualmente grandes o pequeños. Esto evita que se perjudique la uniformidad de la biomasa, un factor crítico que afecta directamente el precio de mercado y dificulta el procesamiento industrial. Cosecha y alimentación eficiente: La simulación ayuda a determinar el momento exacto y más rentable para la cosecha. Asimismo, permite diseñar estrategias de alimentación dinámicas y personalizadas según la fase biológica del lote, logrando un recorte sustancial en los costos de producción.   Conclusiones e impacto industrial El desarrollo de este simulador por parte de la Universidad de Hokkaido sienta una base metodológica robusta para la transformación tecnológica de la producción de salmónidos en tierra. Al permitir la experimentación virtual con diferentes dosis y frecuencias de alimentación sin arriesgar biomasa viva, la herramienta emerge como un activo estratégico para la planificación comercial y la reducción de la huella ecológica en la actividad piscícola. La futura integración en el modelo de variables críticas —como los niveles de oxígeno disuelto, la velocidad de disolución del pienso y modelos probabilísticos de captura del pellet— refinará el sistema hasta convertirlo en un software predictivo de alta precisión para la toma de decisiones en tiempo real, capaz de extenderse a otras especies de alto valor comercial.   Financiamiento del estudio: Esta investigación fue financiada parcialmente mediante fondos públicos a través de los programas JSPS Program for Forming Japan's Peak Research Universities, J-PEAKS (Grant Number: JPJS00420230001) y el JST Adaptable and Seamless Technology Transfer Program through Target-Driven R&D (Grant Number: JPMJTM20AC).   Referencia (acceso abierto)
Takahashi, Y., Yoshida, T., Yamazaki, Y., Takahashi, E., Yamaha, E., & Komeyama, K. (2026). An aquaculture simulator for rainbow trout (Oncorhynchus mykiss) based on a fish schooling behavioral model and a dynamic energy budget. Scientific Reports, 16(1), 7706. https://doi.org/10.1038/s41598-026-39028-y   Fuente: AQUAHOY

26/05/2026

La visión artificial ya permite saber cuándo el pez está comiendo y cuándo el pienso empieza a perderse  

Un estudio publicado en Results in Engineering muestra que la visión artificial aplicada a la alimentación acuícola ya empieza a ofrecer información práctica para la granja. Los investigadores han desarrollado un modelo ligero basado en YOLOv8n capaz de detectar el comportamiento alimentario de los peces a partir de imágenes, con el objetivo de apoyar sistemas de alimentación más precisos.
  El trabajo parte de un problema conocido por cualquier productor: el pienso representa más del 40% de los costes de producción acuícola y los métodos tradicionales pueden generar entre un 15% y un 25% de desperdicio.
  La clave está en pasar de una alimentación programada a una alimentación guiada por señales biológicas. Estos sistemas permiten identificar si los peces se agrupan alrededor del alimento, si aumenta la actividad de captura, si hay salpicaduras asociadas a alimentación intensa o si, por el contrario, la respuesta alimentaria empieza a caer.
  En la práctica, la tecnología no solo ayuda a saber cuándo alimentar, sino también cuándo reducir o detener la ración antes de que el pienso deje de transformarse en crecimiento y empiece a perderse en el agua.
  Para entrenar el sistema, los investigadores utilizaron 5.102 imágenes clasificadas en tres estados: alimentación fuerte, alimentación débil y ausencia de alimentación.
  El modelo no se limita a 'ver peces', sino que intenta distinguir niveles de apetito y respuesta alimentaria incluso en condiciones visuales complejas, con reflejos, refracción de la luz, movimiento del agua, salpicaduras y fondos difíciles. En el conjunto de prueba, alcanzó una precisión del 92,7%, un recall del 88,8% y un mAP del 91,7%, además de reducir tamaño y necesidades de cálculo frente al YOLOv8n original.
  Para el productor, la utilidad no está solo en automatizar una tolva, sino en mejorar la calidad de la decisión. Con cámaras, sensores y modelos de IA se puede empezar a saber qué lotes comen con más intensidad, cuándo cambia el apetito, qué momentos del día ofrecen mejor respuesta, cómo afectan la temperatura o el oxígeno a la alimentación, y si una estrategia de ración está generando más crecimiento o más residuo.
  Una revisión reciente publicada en Aquaculture sitúa precisamente la inteligencia artificial como una herramienta para integrar sensórica en tiempo real, análisis predictivo y decisiones autónomas en alimentación, aireación, biomasa, sanidad y gestión ambiental.
  El salto completo a la granja comercial aún requiere prudencia, ya que el estudio reconoce que sus datos proceden de un entorno experimental controlado y será necesario validar estos modelos en diferentes especies, sistemas de cultivo, calidades de agua, condiciones de luz y escalas productivas.
  Aun así, el mensaje para el productor es claro: la IA aplicada a la alimentación acuícola ya no debe verse como una promesa abstracta, sino como una herramienta emergente para observar mejor el cultivo y alimentar con más precisión.
  Su valor no está en sustituir la experiencia del granjero, sino en darle datos más objetivos para decidir cuándo alimentar, cuánto alimentar y, sobre todo, cuándo parar. Fuente: misPeces Referencias
Shi, B., Yin, R., He, X., Zhang, C., Jiang, J. & Sun, Y. (2026). Towards a lightweight YOLOv8n for aquaculture feeding detection: Architectural improvements for feature enhancement and computational efficiency. Results in Engineering, 30, 110304. https://doi.org/10.1016/j.rineng.2026.110304 Sen, K., Dey, S., Ganguly, A. & Rajak, P. (2026). Artificial intelligence in aquaculture: Advancing sustainable fish farming through AI-driven monitoring, optimization, and disease management. Aquaculture, 614, 743602. https://doi.org/10.1016/j.aquaculture.2025.743602

08/05/2026

Plasma no térmico para una acuicultura libre de químicos  

En este contexto, el plasma no térmico (NTP) emerge como una solución tecnológica transformadora. Gracias a su capacidad para purificar el entorno hídrico y optimizar la respuesta biológica de los peces sin generar residuos químicos, el NTP se perfila como el nuevo estándar en la gestión sanitaria y productiva del sector.
  Esta exhaustiva revisión científica fue publicada en la revista Aquaculture Reports por un equipo de investigadores del Functional Biomaterial Research Center, el Korea Research Institute of Bioscience and Biotechnology (KRIBB), la University of Science and Technology (UST), la Daegu-hanny University y la Chosun University, todas ellas instituciones líderes en Corea del Sur.
¿Qué es el plasma no térmico y cuál es su mecanismo de acción en el agua?
  El plasma no térmico (NTP) se define como un estado de gas parcialmente ionizado que opera a temperaturas próximas al ambiente. Al entrar en contacto con el medio acuático, este induce una reacción que genera una potente amalgama de moléculas reactivas denominadas RONS (especies reactivas de oxígeno y nitrógeno), que comprenden radicales hidroxilo, peróxido de hidrógeno, ozono y óxido nítrico.
  Estas especies reactivas intervienen mediante tres procesos biotecnológicos fundamentales:
  Desinfección de amplio espectro: Neutralizan patógenos mediante la disrupción de membranas celulares y la degradación del material genético en bacterias (como Vibrio y Aeromonas), virus y hongos.
  Oxidación de contaminantes orgánicos: Descomponen moléculas orgánicas complejas derivadas de desechos metabólicos y excedentes de alimentación, transformándolas en subproductos inocuos como agua y dióxido de carbono (CO2).
  Regulación del ciclo del nitrógeno: Facilitan la conversión del amoníaco tóxico en gas nitrógeno (N2) u otros componentes no perjudiciales, estabilizando así el equilibrio químico del ecosistema acuático.   Tabla 1: Impacto del NTP en los parámetros fisicoquímicos del agua.   Impacto del NTP en la salud y el rendimiento productivo
  Sinergia biológica: De un entorno estéril a un sistema bioestimulante
Uno de los hallazgos más disruptivos es que el agua tratada con plasma no solo alcanza estándares superiores de pureza, sino que actúa como un agente bioestimulante. Las investigaciones revisadas indican que los ejemplares criados en estos entornos optimizados presentan una eficiencia metabólica incrementada y tasas de crecimiento significativamente superiores a los métodos convencionales.
  Inmunomodulación y resiliencia: El efecto Hormesis
La exposición controlada a concentraciones moderadas de RONS desencadena un proceso biológico conocido como hormesis. Este fenómeno consiste en un estrés oxidativo leve que actúa como un «entrenamiento» para el organismo, activando los mecanismos de defensa antioxidante y estimulando el sistema inmunitario innato, específicamente a través de macrófagos y lisozimas.
  Este fortalecimiento inmunológico prepara al pez para gestionar con mayor éxito:
  Desafíos patógenos: Mayor resistencia ante infecciones bacterianas y virales. Estrés ambiental: Mejor adaptación a las fluctuaciones térmicas y al manejo durante el transporte.
Optimización de la microbiota intestinal
Adicionalmente, la tecnología de plasma favorece la proliferación de probióticos endógenos, como Lactobacillus y Bacillus, en el tracto digestivo. Esta mejora en la microbiota no solo potencia la absorción de nutrientes y la eficiencia alimenticia, sino que consolida la barrera inmunológica intestinal, el primer frente de defensa del pez.   Más allá del cultivo: El NTP como estándar en seguridad alimentaria
La versatilidad del plasma no térmico (NTP) trasciende el entorno de producción primaria. En las etapas de procesamiento, empaque y logística, esta tecnología se posiciona como una alternativa ecológica de alto rendimiento frente a los conservantes químicos tradicionales, garantizando un producto final más limpio y duradero.
  Las aplicaciones clave en la cadena de valor incluyen:
  Sanitización directa y Water Activated Plasma (PAW): El empleo de flujos de plasma o agua activada por plasma (PAW) sobre productos procesados, como filetes, reduce drásticamente la presencia de patógenos críticos como Salmonella, elevando los estándares de inocuidad.
  Preservación de atributos organolépticos: Al inhibir de manera eficiente los procesos enzimáticos, el NTP preserva la textura, el sabor y la coloración original del producto. Además, mitiga la oxidación lipídica, principal responsable de los sabores rancios en especies grasas.
  Innovación en el envasado y logística: Esta tecnología permite la esterilización integral de los materiales de embalaje y el tratamiento del aire en contenedores, asegurando la frescura y la integridad del producto durante trayectos de larga distancia.   Perspectivas y desafíos para la implementación industrial
A pesar de su extraordinario potencial, la transición del plasma no térmico (NTP) hacia una escala industrial masiva enfrenta retos estratégicos. La inversión inicial en equipamiento y el consumo energético representan variables que requieren optimización para garantizar la rentabilidad en grandes instalaciones. Asimismo, la estandarización es vital: es imperativo definir con precisión las dosis terapéuticas para cada especie, evitando que una exposición excesiva derive en daño celular por estrés oxidativo.
  El horizonte de esta tecnología se encamina hacia la Acuicultura 4.0, mediante la integración con Inteligencia Artificial (IA) e Internet de las Cosas (IoT). Esta convergencia permitiría el monitoreo analítico del agua en tiempo real, facilitando el ajuste automatizado de la intensidad del plasma en función de la carga microbiana detectada y los indicadores de bienestar animal.
  Finalmente, el estudio fue posible gracias al respaldo del KRIBB Research Initiative Program (KGM1052612). Asimismo, contó con el apoyo del programa Regional Innovation System & Education (RISE) a través del Jeonbuk RISE Center (financiado por el Ministry of Education y el estado de JeonBuk) y el programa RISE Local Customized R&D mediante el Gyeongbuk RISE Center (financiado por el Ministry of Education y Gyeongsangbuk-do) de la República de Corea. Fuente: AQUAHOY

Referencias
Chandimali, N., Bak, S. G., Bae, J., Lee, D., & Lee, S. (2026). Integrating non-thermal plasma technology into aquaculture and fisheries: A review of its potential for enhancing fish health, water quality, and post-harvest practices. Aquaculture Reports, 48, 103588. https://doi.org/10.1016/j.aqrep.2026.103588

05/05/2026

De alimentar por intuición a alimentar por IA: la revolución silenciosa que está llegando a la granja  

En acuicultura, la alimentación representa más del 50% de los costes operativos y puede generar hasta un 25% de desperdicio. Durante décadas, la toma de decisiones en este ámbito ha estado basada en horarios fijos o en la experiencia del operario. Sin embargo, la inteligencia artificial está empezando a cambiar este enfoque de forma profunda: alimentar a los peces en función de su comportamiento real y en tiempo real.
  Más que una mejora tecnológica puntual, el cambio apunta a un nuevo modelo productivo. En un contexto marcado por la presión sobre los costes y la sostenibilidad, la capacidad de ajustar la alimentación con precisión se está convirtiendo en un factor diferencial para la competitividad de las granjas.
  La base de esta transformación es la visión por computador aplicada al entorno acuícola. Algoritmos, como YOLO (You Only Look Once) analizan de forma continua el comportamiento de los peces a través de cámaras instaladas en tanques o jaulas, detectando cuándo los animales están comiendo activamente y cuándo disminuye su interés por el alimento. Esta información permite adaptar automáticamente la ración, reduciendo pérdidas, mejorando el índice de conversión (FCR) y limitando el impacto ambiental.
  Uno de los avances clave es que estos sistemas ya no dependen exclusivamente de la nube. Modelos ligeros como YOLOv8n pueden ejecutarse directamente en dispositivos instalados en la propia granja, procesando vídeo en tiempo real con precisiones superiores al 90%. Esta capacidad de computación en el borde (edge computing) facilita su adopción tanto en sistemas de recirculación (RAS) como en jaulas marinas, incluso en entornos con conectividad limitada.
  Más allá de la operativa diaria, la inteligencia artificial está empezando a impactar también en el desarrollo de nuevos piensos. El análisis automatizado del comportamiento permite detectar de forma temprana cambios en la actividad alimentaria, reduciendo significativamente el tiempo necesario para evaluar la aceptación de nuevas formulaciones.
  Este enfoque se alinea con el concepto de fail fast, cada vez más presente en innovación acuícola: identificar rápidamente lo que no funciona para optimizar recursos y acelerar la toma de decisiones. En la práctica, permite descartar dietas poco eficientes en cuestión de días, evitando mantener ensayos durante semanas sin resultados concluyentes.
  En especies, como la trucha arcoíris (Oncorhynchus mykiss), ya se ha observado cómo determinados niveles de inclusión de harina de insecto de Hermetia illucens pueden reducir rápidamente la actividad alimentaria, facilitando ajustes tempranos en la formulación. En dorada (Sparus aurata) y lubina europea (Dicentrarchus labrax), la aplicación de estos sistemas ha permitido optimizar estrategias de alimentación en condiciones comerciales, con reducciones significativas del desperdicio y mejoras consistentes en el FCR.
  La transición hacia una alimentación basada en datos no solo mejora la eficiencia, sino que redefine la forma en que se toman decisiones en granja. En un sector donde cada punto de conversión cuenta, la inteligencia artificial deja de ser una promesa tecnológica para convertirse en una herramienta operativa con impacto directo en la rentabilidad. Fuente: misPeces