UNF presenta innovador avance en inteligencia artificial para la conservación del algarrobo
La Universidad Nacional de Frontera (UNF), a través de la Dirección del Instituto de Investigación, realizó con éxito el Taller de Difusión de Resultados del proyecto: “Redes convolucionales y combinaciones de bandas espectrales e índices vegetativos para identificación de árboles plus de algarrobo: aplicación de técnicas Deep Learning e imágenes multiespectrales”. Cabe resaltar que este proyecto contó con la participación de instituciones como CONCYTEC, PROCIENCIA, Servicio Nacional Forestal y de Fauna Silvestre – SERFOR y la Universidad de Guadalajara (México).
El evento fue presidido por la Dra. Ana María Matos Ramírez, vicepresidenta de investigación de la UNF, y el Dr. Wilson Castro Silupu, director del Instituto de Investigación y responsable técnico del proyecto. Asimismo, estuvo presente el Mg. Carlos Alberto Cárdenas Cruz, director de Innovación y Transferencia Tecnológica.
Innovación en conservación forestal con Deep Learning
El objetivo principal de este proyecto fue evaluar el efecto de las redes neuronales convolucionales (CNN) y diferentes combinaciones de bandas espectrales e índices vegetativos en la precisión de modelos para identificar árboles plus de algarrobo (Prosopis pallida).
Con un presupuesto asignado de S/ 496,390.00 y una ejecución del 94.62 %, el proyecto se desarrolló en el Laboratorio de Investigación en Inocuidad de Alimentos de la UNF, desde diciembre de 2022 hasta julio de 2025.
Resultados destacados del proyecto de investigación
Durante la investigación se procesaron más de 1000 imágenes aéreas multiespectrales (500 correspondientes a árboles plus y 500 a no plus), capturadas en 28 localidades ubicadas en 13 distritos de los departamentos de Piura, Tumbes y Lambayeque. Se implementaron 24 combinaciones de bandas espectrales e índices vegetativos que optimizaron la segmentación de copas, lo que permitió clasificar los árboles de manera no invasiva, eficiente y en tiempo real. Uno de los mayores logros fue el desarrollo de la red neuronal AlgarroboNet, que superó el rendimiento de arquitecturas clásicas como AlexNet, DenseNet y GoogLeNet, alcanzando una precisión de clasificación de hasta 0.99 con menor carga computacional.
El proyecto permitió identificar las zonas con mayor concentración de árboles plus, siendo Piura la región con el mayor porcentaje de individuos élite identificados (77.4 %). Este hallazgo es fundamental para dirigir futuros programas de conservación, restauración ecológica y reforestación sostenible.
El equipo de investigación estuvo liderado por el Dr. Wilson Manuel Castro Silupu (responsable técnico por la UNF), acompañado por la Lic. Pierina Peralta Espinoza (gestora del proyecto), el Dr. Roberto Simón Seminario Sanz (co-investigador UNF), el Biólogo William Nauray Huari (co-investigador por SERFOR), la Dra. Brenda Acevedo Juárez y el Dr. Miguel de la Torre Gomora (co-investigadores por la Universidad de Guadalajara). También participaron como tesistas el Dr. Saire Roenfi Guerra Lima y la M.Sc. Mirian Rosario Moreno Arce (posgrado), junto a los ingenieros Milagros Karina Paiva Paiva y Jorge Eduardo Rodríguez Olaya (pregrado).
Con este proyecto, la Universidad Nacional de Frontera se posiciona como una institución pionera en el uso de tecnologías avanzadas como el Deep Learning y el análisis multiespectral para la protección de especies nativas de alto valor, aportando soluciones innovadoras para enfrentar los desafíos del cambio climático y la degradación ambiental.