Identificar un objeto en una fotografía casi a oscuras es un reto, no solo para el ojo humano, sino también para la Inteligencia Artificial. Un equipo de investigadores de la Universidad de Málaga (UMA), vinculados al Departamento de Lenguajes y Ciencias de la Computación, al instituto ITIS y al grupo de Inteligencia Computacional de Ibima Plataforma Bionand, ha diseñado una solución innovadora: un «selector inteligente» que enseña a las máquinas a ver mejor en la penumbra.
Hoy en día, las Redes Neuronales Convolucionales (CNN) son el estándar para que los ordenadores reconozcan caras, diagnostiquen enfermedades mediante imágenes médicas o guíen coches autónomos.
Sin embargo, su rendimiento «cae drásticamente» cuando la iluminación es deficiente. Aunque existen algoritmos para aclarar imágenes, hasta ahora se aplicaban de forma ciega, sin saber cuál era el más adecuado para cada caso específico.
El avance malagueño, liderado por José Antonio Rodríguez, Ezequiel López, Salvador Jiménez y Miguel Ángel Molina, consiste en un sistema que actúa como un cerebro previo, han indicado en un comunicado.
Antes de que la IA principal intente adivinar qué hay en la foto, un regresor entrenado analiza características técnicas de la imagen —como su textura, brillo medio y contraste— para predecir qué técnica de mejora (como la Corrección Gamma o la Ecualización de Histograma) dará el mejor resultado para esa imagen concreta.
«Es como tener un experto que, en milisegundos, decide qué filtro digital aplicar a una foto oscura para que el sistema de reconocimiento no se equivoque», ha explicado Ezequiel López, investigador responsable del grupo de Ibima.
Los experimentos han sido contundentes. Al probar este método con arquitecturas de IA muy utilizadas (como AlexNet o GoogLeNet), los investigadores lograron una mejora constante en la capacidad de acierto.
En situaciones de oscuridad severa, la precisión del sistema aumentó en más de 27 puntos respecto a los métodos tradicionales. Este avance es especialmente relevante para dispositivos de bajo coste y poca potencia, como cámaras de seguridad sencillas o sensores en zonas rurales, donde no se dispone de hardware de alta gama pero se requiere una precisión crítica.
«Esta propuesta puede trasladarse de forma directa al ámbito de la imagen médica, impulsando una detección más temprana y una mejor priorización clínica gracias a modelos capaces de reconocer patrones sutiles en pruebas como radiografías o resonancias, contribuyendo con una mayor robustez y consistencia diagnóstica», ha añadido Miguel Ángel Molina.
El estudio ha sido publicado en Expert Systems With Applications, una revista situada en la élite científica mundial, lo que subraya la importancia de este hallazgo para el futuro del procesamiento inteligente de imágenes.
Por su parte, el proyecto ha contado con financiación de la Junta de Andalucía, el Ministerio de Ciencia e Innovación de España y fondos europeos Feder, consolidando a Málaga como un referente en el desarrollo de IA aplicada a problemas del mundo real.
