Investigadores de la UPeU crean dispositivo inteligente para optimizar la producción de tilapia en la selva peruana
Por Adm1n
Imagen Referencial
Ingenieros de la Universidad Peruana Unión usan inteligencia artificial y biotecnología para identificar el sexo de alevines de tilapia en solo 45 segundos.
Por Prensa Upeu | Perú
16 junio, 2025
Un equipo multidisciplinario de investigadores de la Universidad Peruana Unión (UPeU),campus Tarapoto, ha desarrollado un prototipo de alto impacto para el sector acuícola amazónico. Se trata de un dispositivo inteligente que busca optimizar el proceso de reversión sexual en alevines de tilapia, una técnica clave para la producción de esta especie, sin recurrir a métodos invasivos.
Este proyecto, denominado Dispositivo inteligente para la tecnificación del proceso de reversión sexual en alevines de tilapia basado en PCR (Reacción en cadena de la polimerasa) y redes neuronales convolucionales, propone una alternativa innovadora para identificar el sexo de los alevines con mayor precisión y rapidez, sin necesidad de sacrificar muestras—como ocurre actualmente con los métodos tradicionales—y usando tecnologías más eficientes y sostenibles.
Una solución tecnológica innovadora
La tilapia es una de las especies más cultivadas en el mundo debido a su alta demanda. En la región peruana San Martín, su producción representa un eje importante de la economía local. Sin embargo, el método tradicional para determinar el sexo de los alevines—etapa inicial de vida del pez—implica el sacrificio de al menos 100 peces por cada millar, y puede tardar entre dos a tres semanas en completarse. Además, este tipo de procedimiento, basado en el análisis de láminas histológicas, es costoso, lento y poco sostenible.
Frente a este panorama, el equipo de investigadores de la Escuela Profesional de Ingeniería de Sistemas de la Facultad de Ingeniería y Arquitectura de la UPeU desarrolló un prototipo basado en dos tecnologías clave:
Reacción en cadena de la polimerasa (PCR): permite identificar el sexo de los alevines de manera temprana y precisa, mediante la amplificación de secuencias específicas de ADN.
Redes neuronales convolucionales (CNN): utilizan algoritmos de inteligencia artificial que, a través de visión artificial, reconocen características fisiológicas de los alevines a las seis semanas de vida, agilizando el proceso sin dañarlos.
Proyecto sustentable
El proyecto cuenta con un financiamiento de 30 mil soles, otorgado por la UPeU, a través del concurso de proyectos de investigación aplicada y desarrollo tecnológico PIA-PDT2024-01. (Foto: UPeU)
Según señala la Magíster en ingenería Yngue Ramírez, una de las investigadoras principales, "este sistema evitará estas pérdidas, ya que permitirá obtener resultados precisos desde la sexta semana de vida del pez, utilizando cámaras especializadas e inteligencia artificial. Además, el tiempo de análisis se optimizará significativamente, ya que la identificación podrá realizarse en tan solo 45 segundos".
Con un avance del 60%, este innovador dispositivo promete estar disponible para su comercialización a nivel nacional una vez concluido el proceso de investigación y validación.
Equipo de investigación
Investigadores en CITEacuícola Ahuashiyacu (Foto: Archivo personal)
El equipo trabaja en alianza con el CITE acuícola Ahuashiyacu, institución que brinda servicios tecnológicos a la cadena productiva acuícola, con sede en Tarapoto, Perú, donde se valida el prototipo y se abordan necesidades reales del sector. En una visita técnica al CITE, los investigadores identificaron desafíos técnicos relacionados con el proceso de sexado en alevines, los cuales solo podían resolverse mediante innovación tecnológica.
Detrás de esta propuesta se encuentra un equipo diverso y comprometido, conformado por investigadores de la UPeU y especialistas del sector:
Yngue Ramírez Pezo (UPeU Tarapoto): Magíster en ingenería, responsable técnico del proyecto, responsable de la metodología y validación en campo.
Danny Lévano Rodríguez (UPeU Juliaca): Magíster en ingenería, especialista en IoT (Internet of Things) e investigador metodológico del proyecto.
Nancy Casildo Bedón (UPeU Juliaca): Magíster en ingenería e investigadora metodológica.
Joyse Huamán Labán (UPeU Tarapoto): Ingeniera responsable de la recolección de imágenes para el dataset del modelo de Inteligencia Artificial.
Colaboración especial
Godofredo Quea López (UPeU Juliaca): Ingeniero especialista en desarrollo de prototipos con IoT (Internet of things) y modelo IA
Janneth Cangalaya Huaman (CITE Ahuashiyacu): Ingeniera pesquera y asesora técnica del proyecto.
