La UCA desarrolla un sistema de inteligencia artificial para detectar silbidos de cetáceos en el Estrecho de Gibraltar
Un equipo investigador del INMAR diseña un modelo de inteligencia artificial para detectar silbidos de cetáceos en el Estrecho de Gibraltar, mejorando el seguimiento acústico en una de las zonas marinas con mayor tráfico y ruido submarino de Europa
Investigadoras e investigadores de la Universidad de Cádiz (UCA) han desarrollado un sistema de inteligencia artificial para detectar silbidos de cetáceos en el Estrecho de Gibraltar, un entorno caracterizado por la intensa actividad marítima y la superposición constante de sonidos naturales y de origen humano. El estudio ha sido publicado en la revista científica *Engineering Applications of Artificial Intelligence*.
El trabajo ha sido realizado por Alba Márquez, Neus Pérez, Daniel Benítez, Gonzalo M. Arroyo y Andrés de la Cruz, personal investigador vinculado al Instituto Universitario de Investigación Marina (INMAR) de la UCA y a las áreas de Ingeniería Acústica y Biología.
El objetivo principal ha sido mejorar la detección automática de vocalizaciones de cetáceos en un enclave especialmente complejo desde el punto de vista acústico. El Estrecho de Gibraltar es un corredor natural entre el Atlántico y el Mediterráneo por el que transitan numerosas especies marinas, pero también ferris, buques mercantes y embarcaciones recreativas, lo que genera elevados niveles de ruido submarino.
Muchos cetáceos dependen del sonido para orientarse, comunicarse y localizar alimento. El seguimiento acústico permite estudiar su presencia y comportamiento sin interferir directamente en los animales. Sin embargo, la eficacia de los sistemas automáticos de detección suele disminuir cuando se aplican en entornos reales con altos niveles de ruido.
Para abordar esta limitación, el equipo de la UCA ha diseñado una metodología basada en aprendizaje profundo que combina el entrenamiento progresivo del modelo con datos reales del entorno y un proceso de validación experta. A diferencia de otros sistemas entrenados con grabaciones limpias o en condiciones controladas, este modelo ha sido ajustado para reconocer silbidos en escenarios acústicos complejos, similares a los que se registran en mar abierto y zonas con tráfico marítimo intenso.
La investigación se ha apoyado en registros acústicos obtenidos cerca de la isla de Tarifa, a diez metros de profundidad. Los datos proceden de tres despliegues realizados entre mayo de 2024 y marzo de 2025, que suman más de 1.300 horas de grabación. Esta cobertura temporal ha permitido evaluar el rendimiento del sistema en distintas estaciones del año y bajo diferentes condiciones de ruido ambiental.
Uno de los resultados destacados del estudio señala que los modelos convencionales ofrecen un alto rendimiento cuando se prueban con datos sin contaminación acústica, pero su eficacia disminuye de forma significativa al analizar grabaciones reales. En cambio, el modelo entrenado con datos locales y sometido a validación iterativa logró un rendimiento superior en condiciones reales del Estrecho.
Según los autores, este avance aporta una herramienta útil para el seguimiento pasivo de cetáceos, ya que facilita el análisis de grandes volúmenes de datos acústicos y puede contribuir a reforzar la vigilancia en zonas marinas de especial valor ecológico. En un enclave estratégico como el Estrecho de Gibraltar, la mejora de estos sistemas puede ampliar el conocimiento científico sobre la biodiversidad marina y apoyar futuras estrategias de conservación.
El estudio se enmarca en el proyecto SEANIMALMOVE (‘Monitorización del movimiento y dinámica poblacional de vertebrados marinos y litorales ante los impactos antropogénicos en un escenario de cambio global’). La iniciativa está financiada a través de las ayudas a proyectos de I+D+i del Plan Complementario de Ciencias Marinas (ThinkinAzul), integrado en el Plan de Recuperación, Transformación y Resiliencia (PRTR) con financiación de la Unión Europea, y gestionado en Andalucía por el Campus de Excelencia Internacional del Mar (CEI·Mar).
El equipo investigador plantea que la metodología desarrollada pueda adaptarse a futuras aplicaciones de monitorización acústica marina, incorporando nuevos datos y ampliando la detección a otras vocalizaciones.
