Un equipo científico ha demostrado que un radar de ondas milimétricas, combinado con inteligencia artificial, puede diferenciar especies de insectos a partir del movimiento de sus alas. El avance promete un nuevo método para el seguimiento de polinizadores sin capturarlos ni dañarlos.
La combinación de radar y aprendizaje automático permite leer las firmas de vuelo de los insectos y reconocer diferencias entre especies. La técnica podría convertirse en una alternativa rápida, escalable y no invasiva para estudiar polinizadores, de acuerdo a un estudio publicado en la revista PNAS Nexus.
Los investigadores del Trinity College Dublin, en Irlanda, creen que su avance apunta a resolver uno de los grandes problemas de la ecología aplicada: seguir el rastro de los polinizadores sin capturarlos ni destruirlos, una tarea que hasta ahora suele requerir métodos lentos, invasivos y poco escalables. Los autores sostienen que esta vía podría ofrecer un sistema menos oneroso y no letal para observar la biodiversidad de insectos en el campo.
Firmas de vuelo que aportan datos clave
De acuerdo a una publicación de IEEE Spectrum, la clave está en las llamadas «firmas micro-Doppler», pequeñas variaciones en la señal del radar producidas por movimientos muy precisos, como el aleteo de los insectos. Los científicos trabajaron con radar de ondas milimétricas porque esa longitud de onda se ajusta mejor al tamaño de los insectos, con respecto a otras partes del espectro radioeléctrico.
En el estudio, los ejemplares fueron capturados y colocados individualmente en pequeños cilindros plásticos sobre una antena, registrados y luego liberados. Según una nota de prensa, la idea era extraer la información del vuelo sin forzar al insecto a permanecer quieto ni depender de cámaras, que fallan con mala luz o fondos complejos.
Resultados óptimos y amplias aplicaciones
El trabajo analizó más de 70 características armónicas, espectrales y temporales de las señales reflejadas por cinco especies polinizadoras, entre ellas abejas y avispas. Los especialistas destacan que el sistema no se limita a medir la frecuencia de aleteo, sino que explota la estructura armónica completa de la señal y la combina con un marco jerárquico de aprendizaje automático.
Referencia
Harnessing mmWave signals and machine learning for noninvasive taxonomic classification of insects. Linta Antony et al. PNAS Nexus (2026). DOI:https://doi.org/10.1093/pnasnexus/pgag096
Los resultados son prometedores: el modelo alcanzó un 85 % de precisión al clasificar las cinco especies y un 96% al diferenciar específicamente entre abejas y avispas. También se observó que el rendimiento mejora cuanto más tiempo permanece el insecto dentro del haz del radar: los investigadores sugieren que una versión futura podría incorporar estructuras tipo “trampa de paso” por las que el insecto entre, sea medido y salga ileso.
El hallazgo podría tener impacto en agricultura, conservación y control de plagas. Los expertos imaginan un sistema portátil, de bajo consumo y desplegable en campo, capaz de construir una base global de firmas radar para clasificar insectos de forma instantánea. Esa base también podría integrar temperatura, humedad y otros datos ambientales, para estudiar cómo cambian los patrones de vuelo y detectar alteraciones en el comportamiento de polinizadores, pestes o especies invasoras.
