Resumen
Recientemente, las costas del Caribe han experimentado llegadas masivas atípicas de Sargassum pelágico con consecuencias negativas tanto ecológicas como económicas. Basado en técnicas de aprendizaje profundo, este estudio propone un novedoso algoritmo para la detección de Sargassum pelágico flotante y acumulado a lo largo de la costa de Quintana Roo, México. Utilizando arquitecturas de redes neuronales convolucionales y recurrentes, se diseñó una red neuronal profunda (denominada ERISNet) específicamente para detectar estas macroalgas a lo largo de la línea costera mediante el apoyo de sensores remotos. Se construyó un nuevo conjunto de datos que incluye valores de píxeles con y sin Sargassum para entrenar y probar ERISNet. Se utilizaron imágenes Aqua-MODIS para construir el conjunto de datos. Tras el proceso de aprendizaje, el algoritmo diseñado alcanza un 90% de probabilidad en sus habilidades de clasificación. ERISNet proporciona una visión novedosa para detectar con precisión la llegada de floraciones de algas.