NoticiaLa herramienta permite identificar y clasificar células de microalgas, con aplicaciones potenciales en biotecnología, acuicultura y biocombustibles.AlgaeVisión evolucionó de una fase experimental a una solución funcional que incorpora una plataforma web para facilitar el acceso de investigadores y usuarios interesados. Foto: iStockPERIODISTA DE MEDIOAMBIENTE Y SALUD03.06.2026 16:35 Actualizado: 03.06.2026 16:35
La inteligencia artificial continúa ampliando su presencia en distintos campos de la investigación científica y la industria. En este contexto, estudiantes de la Uniagustiniana presentaron recientemente AlgaeVisión, un proyecto orientado a la detección automática de células de microalgas a partir de imágenes microscópicas mediante modelos de aprendizaje profundo, con el propósito de optimizar procesos que tradicionalmente han dependido de análisis manuales. LEA TAMBIÉN La iniciativa surge como respuesta a una necesidad identificada en los procedimientos convencionales de conteo y análisis celular. De acuerdo con los responsables del proyecto, estas tareas suelen realizarse de forma manual, lo que implica una alta inversión de tiempo, una mayor exposición a errores humanos y dificultades para escalar los procesos en escenarios de alta producción.Según explicó Brayan Stiven Torres Ovalle, docente del Programa de Ingeniería de Sistemas y Computación de la Uniagustiniana, estas limitaciones tienen efectos directos sobre sectores estratégicos como la biotecnología, la acuicultura y la producción de biocombustibles, áreas que requieren análisis precisos y constantes para el desarrollo de sus actividades.AlgaeVisión apuesta por transformar el estudio de microalgas con tecnología de IA. Foto:iStockPara enfrentar este desafío, AlgaeVisión propone una solución basada en modelos de detección de objetos tipo YOLO, una tecnología que permite identificar múltiples células de microalgas en tiempo real. Gracias a este enfoque, el sistema busca acelerar significativamente los procesos de análisis sin afectar los niveles de precisión requeridos en este tipo de estudios.La herramienta permite automatizar el procesamiento de imágenes microscópicas, reducir la variabilidad que puede existir entre diferentes observadores y facilitar la realización de análisis a gran escala. De esta manera, se pretende ofrecer una alternativa tecnológica capaz de responder a las necesidades de sectores donde la rapidez y la confiabilidad de los resultados son factores determinantes. LEA TAMBIÉN “Este proyecto no solo representa una implementación técnica, sino una apuesta por la integración de inteligencia artificial en problemas reales del sector científico e industrial, donde la eficiencia y la confiabilidad son críticas”, señaló Torres Ovalle.Uno de los avances más relevantes alcanzados durante el desarrollo de AlgaeVisión ha sido la creación e integración de un modelo de inteligencia artificial capaz de ejecutar tareas de clasificación y detección de microalgas a partir de imágenes microscópicas. Este desarrollo permitió que la iniciativa evolucionara desde una fase experimental de entrenamiento de modelos hacia una solución funcional con potencial de uso por parte de usuarios finales.Como parte de esta evolución, el equipo desarrolló también una página web destinada a facilitar el acceso a la herramienta. A través de esta plataforma, los usuarios pueden cargar imágenes o utilizar material disponible para realizar procesos de detección de microalgas mediante el modelo de inteligencia artificial incorporado en el sistema.La herramienta permite identificar y clasificar células de microalgas. Foto:iStockPara el docente de la Uniagustiniana, este componente representa un paso importante en la apropiación tecnológica de la herramienta. “Este componente web facilita el acceso al sistema, mejora la interacción con la herramienta y permite que el modelo no quede limitado al entorno de desarrollo, sino que pueda ser probado y usado desde una interfaz más amigable”, afirmó.Otro de los hitos destacados del proyecto corresponde a la implementación de modelos basados en YOLO y Ultralytics, tecnologías ampliamente utilizadas en el campo de la visión por computador para la detección de objetos. Gracias a estas herramientas, AlgaeVisión no se limita únicamente a clasificar imágenes, sino que además puede identificar múltiples células o microalgas dentro de una misma muestra visual.Esta capacidad resulta especialmente relevante para procesos de análisis que, en condiciones tradicionales, requerirían una revisión manual detallada por parte de especialistas. La automatización de estas tareas permite agilizar los procedimientos y ampliar el volumen de muestras que pueden ser procesadas.Los resultados obtenidos hasta el momento reflejan un desempeño destacado del sistema. En la tarea de clasificación multiclase de microalgas, el proyecto alcanzó una precisión promedio cercana al 99 %, indicador que evidencia la capacidad del modelo para diferenciar adecuadamente entre las distintas clases evaluadas. LEA TAMBIÉN En cuanto a la detección de microalgas, los responsables del proyecto reportaron un resultado aproximado del 70 % en mAP50-95. Adicionalmente, el modelo registró métricas complementarias como un mAP50 de 91,6 %, una precisión de 88,0 % y un recall de 82,7 %.De acuerdo con Torres Ovalle, estos indicadores respaldan la solidez técnica de la iniciativa y constituyen una base importante para avanzar hacia nuevas etapas de desarrollo y validación aplicada. “Estos resultados muestran que AlgaeVisión cuenta con una base técnica sólida y un nivel de confiabilidad alto para avanzar hacia etapas de validación aplicada”, precisó.La solución busca reemplazar procesos manuales complejos mediante detección automática en imágenes. Foto:iStockMás allá de sus resultados técnicos, el proyecto representa una oportunidad para fortalecer procesos de investigación mediante el uso de herramientas de inteligencia artificial y visión por computador. Asimismo, plantea la posibilidad de reducir los tiempos de análisis y minimizar las diferencias que pueden surgir entre observadores durante la evaluación de muestras.EDWIN CAICEDOPeriodista de Medioambiente y Salud@CaicedoUcros Sigue toda la información de Vida en Facebook y Twitter, o en nuestra newsletter semanal.
