Autonomous Aquaculture Net Inspection and Patching on a Low-Cost ROV
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13753Palabras clave:
Acuicultura, Agarre y manipulación robótica, Percepción y sensado robótico, Robótica marina, Navegación autónomaResumen
Los agujeros no detectados en jaulas de red de acuicultura pueden provocar escapes masivos de peces; sin embargo, la inspección y reparación autónoma de estas estructuras sigue siendo un problema abierto. Los sistemas actuales suelen limitarse a la inspección o requieren teleoperación para desplegar el parche, por lo que el ciclo detección–reparación permanece parcialmente autónomo. Este artículo presenta un pipeline autónomo implementado en un ROV de bajo coste y uso general, BlueROV2 Heavy, capaz de cerrar dicho ciclo en un entorno controlado sin intervención del operador tras iniciar la misión. El vehículo busca visualmente la red, estima su posición relativa mediante percepción a bordo, inspecciona la superficie, detecta agujeros que cumplen un criterio de tamaño predefinido y ejecuta la maniobra de parcheo. El sistema fue desarrollado en Stonefish y validado experimentalmente en el tanque interior CIRTESU. Las principales contribuciones son la autonomía extremo a extremo en una plataforma económica y el enganche terminal mediante seguimiento de posición en bucle cerrado.
Referencias
Akram, W., Casavola, A., Kapetanović, N., Miškovic, N., 2022. A visual servoing scheme for autonomous aquaculture net pens inspection using ROV. Sensors 22(9), art. 3525.
Akram, W., Ahmed, M., Seneviratne, L., Hussain, I., 2023. Evaluating deep learning assisted automated aquaculture net pens inspection using ROV. Proc. ICINCO, pp. 586–591.
Cieslak, P., 2019. Stonefish: an advanced open-source simulation tool designed for marine robotics, with a ROS interface. Proc. MTS/IEEE OCEANS, Marseille.
Dutta, S., 2026. DAIMON Robotics wants to give robot hands a sense of touch. IEEE Spectrum. https://spectrum.ieee.org/daimon-robotics-physical-ai
Garrido-Jurado, S., Muñoz-Salinas, R., Madrid-Cuevas, F. J., Marín-Jiménez, M. J., 2014. Automatic generation and detection of highly reliable fiducial markers under occlusion. Pattern Recognition 47(6), 2280–2292.
López-Barajas, S., Sanz, P. J., Marín-Prades, R., Gómez-Espinosa, A., González-García, J., Echagüe, J., 2024. Inspection operations and hole detection in fish net cages through a hybrid underwater intervention system using deep learning techniques. Journal of Marine Science and Engineering 12(1), art. 80.
Macenski, S., Foote, T., Gerkey, B., Lalancette, C., Woodall, W., 2022. Robot Operating System 2: design, architecture, and uses in the wild. Science Robotics 7(66), art. eabm6074.
Marani, G., Choi, S. K., Yuh, J., 2009. Underwater autonomous manipulation for intervention missions AUVs. Ocean Engineering 36(1), 15–23.
Sanz, P. J., Peñalver, A., Sales, J., Fornas, D., Fernández, J. J., Pérez, J., Bernabé, J., 2013. GRASPER: a multisensory based manipulation system for underwater operations. Proc. IEEE SMC, pp. 4036–4041.
Sivcev, S., Coleman, J., Omerdic, E., Dooly, G., Toal, D., 2018. Underwater manipulators: a review. Ocean Engineering 163, 431–450.
Blue Robotics Inc “BlueRobotics BlueROV2,”. Available at: https://bluerobotics.com/
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Godsfavour Ugwu-Gabriel, Salvador López Barajajas, Alejandro Solís, Raúl Marín, Pedro J Sanz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
