Detección Automatizada de la Salud de Corales mediante Visión por Computadora y Aprendizaje Profundo

Abstract

Los arrecifes de coral, fundamentales para la biodiversidad marina, se encuentran en grave riesgo debido al cambio climático y la contaminación. El blanqueamiento coralino, causado principalmente por el aumento de la temperatura del océano, representa una señal crítica de deterioro ecológico. Este proyecto tiene como objetivo desarrollar un sistema automatizado de detección del estado de salud de los corales mediante técnicas de visión por computadora y aprendizaje profundo. Se implementaron y compararon tres enfoques: un modelo base de Perceptrón Multicapa (MLP), una red neuronal convolucional (CNN) diseñada desde cero y un modelo basado en Transfer Learning utilizando la arquitectura VGG16. Los modelos fueron entrenados con imágenes submarinas obtenidas desde Roboflow y evaluados mediante métricas como precisión, sensibilidad, especificidad y matriz de confusión. Además, se integraron técnicas de interpretabilidad como Grad-CAM y LIME para validar las decisiones del modelo...Coral reefs, essential to marine biodiversity, are at serious risk due to climate change and pollution. Coral bleaching, mainly caused by ocean warming, is a critical indicator of ecological degradation. This project aims to develop an automated system for detecting coral health status using computer vision and deep learning techniques. Three approaches were implemented and compared: a baseline Multi-Layer Perceptron (MLP), a custom Convolutional Neural Network (CNN), and a Transfer Learning model based on the VGG16 architecture. The models were trained on underwater images from Roboflow and evaluated using metrics such as accuracy, sensitivity, specificity, and confusion matrix. Interpretability techniques, such as Grad-CAM and LIME, were integrated to validate the model’s decisions...