MADRID 6 Oct. (EUROPA PRESS) -
Investigadores del departamento de Arquitectura de Computadores y Automática de la Universidad Complutense de Madrid (UCM) han desarrollado un dispositivo de bajo coste, de menos de 40 euros, capaz de implementar algoritmos avanzados de Inteligencia Artificial para predecir la proliferación de cianobacterias --los microorganismos capaces de realizar la fotosíntesis-- en sistemas hídricos con hasta 28 días de antelación.
Las cianobacterias son microorganismos presentes de forma natural en ríos, lagos y embalses. En determinadas condiciones ambientales pueden experimentar un rápido crecimiento, el conocido como 'bloom', y producir metabolitos tóxicos que representan un riesgo para la salud de animales y humanos, además de comprometer la calidad del agua para su uso doméstico e industrial.
El nuevo dispositivo desarrollado en la Complutense se plantea como una herramienta preventiva eficaz: puede integrarse fácilmente en cualquier sistema de monitorización sin requerir conocimientos técnicos avanzados. Su funcionamiento es completamente autónomo porque procesa los datos y genera las predicciones de manera automática.
El dispositivo se conecta como un complemento a los sensores existentes en las boyas de monitorización. Recibe en tiempo real datos como la temperatura o la fluorescencia de la ficocianina, los procesa para ejecutar el modelo predictivo y transmite inalámbricamente tanto los datos originales como las predicciones.
Los resultados obtenidos muestran precisiones superiores al 70% en horizontes de predicción de hasta 28 días, un rendimiento que supera en un 20% al de otros algoritmos evaluados. Estos avances han sido publicados en la revista científica 'Water Research'.
