"Lo que presentamos es un sistema que se basa en inteligencia artificial aplicada al procesamiento de imágenes. Usamos una herramienta de deep learning, o aprendizaje profundo, es decir el uso de una gran cantidad de redes neuronales aplicadas al aprendizaje de matrices, datos o, en este caso, imágenes", explicó Francisco Giambelluca, profesional asistente del Conicet en el Instituto de Investigaciones Fisicoquímicas Teóricas y Aplicadas (Inifta, Conicet-UNLP).

El desarrollo lo motivó la aparición, en el Gran La Plata, de tres especies de escorpiones: Bothriurus bonariensis, Tityus carrilloi y Tityus confluence, siendo éstas dos últimas de importancia sanitaria porque son capaces de generar, con su picadura, hechos mortales.

Detectar la presencia de estos animales y saber diferenciarlos son dos factores muy importantes para prevenir los casos de gravedad, por lo que el equipo de profesionales del Conicet La Plata trabajó en este sistema de detección, clasificación y reconocimiento de escorpiones en tiempo real que puede funcionar como alarma domiciliaria, para alertar sobre la presencia del animal, o en una aplicación móvil, lo que podría ser usado por equipos médicos de emergencia para identificar al agente causante de la picadura y activar las medidas sanitarias necesarias.

Giambelluca precisó que "lo que hicimos fue alimentar a un algoritmo preestablecido con una base de datos con más de 300 imágenes de escorpiones, y de esa manera lo entrenamos para que pueda detectarlos por su forma".

"El sistema funciona como una 'caja negra'; nosotros desconocemos las interrelaciones que se dan entre esas redes neuronales. Trabajamos con técnicas de lo que se conoce como data augmentation, es decir partimos de una base de datos pequeña que el sistema agranda para aprender a reconocer a los escorpiones en situaciones que no son las que se observan en las fotografías proporcionadas", explicó.

Detalló que "se van creando imágenes en base a las que ya teníamos, con distintas posiciones y orientaciones, para que tenga información más sólida para la detección e identificación".

Giambelluca sostuvo que al principio cargaron no solo imágenes de escorpiones, sino también de otros objetos, "para que pueda diferenciar lo que sí es y lo que no es un escorpión".

Luego, agregaron fotografías de poca definición para que pueda identificar la forma, y más tarde, otras de alta resolución, para que logre clasificar por género y especie; y como complemento, se utilizó también la técnica de detección por fluorescencia, que aprovecha la conocida capacidad fluorescente de estos animales al ser iluminados bajo la luz ultravioleta (UV), que los muestran en un color cian brillante

Ambas estrategias de detección, por forma y fluorescencia, terminan configurando un sistema de doble validación muy eficiente mejorando la precisión de la herramienta.

El objetivo es volcar la herramienta ya sea en una alarma domiciliaria o en una aplicación móvil con el fin que "una persona que esté ante un espécimen tenga la posibilidad de saber si es peligroso o no".

En principio, la base de datos en la que se basa el sistema es sobre las mencionadas especies problemáticas presentes en el Gran La Plata, pero podría aplicarse en otras regiones incorporando al sistema la información las especies que habitan en cada lugar.