Fuentes-Pérez, J.F., García-Vega, A., Bravo-Córdoba, F.J., & Sanz-Ronda, F.J. (2021).
Las escalas para peces de estanques sucesivos son estructuras que permiten el libre movimiento de los peces a través de obstáculos transversales en los ríos. Sin embargo, la ausencia de mantenimiento o un mantenimiento inadecuado pueden alejarlas de este objetivo. Para abordar este problema, este trabajo de investigación presenta una novedosa red de sensores de bajo coste que combina la hidráulica de las escalas para peces con redes neuronales programadas en Python (Keras + TensorFlow), generando el primer sistema autónomo de detección de obstrucciones y fallos de funcionamiento para escalas para peces escalonadas. El sistema se basa en una red de nodos personalizados de medición ultrasónica del nivel del agua que transmiten datos y alarmas de forma remota y en tiempo real. Su rendimiento fue evaluado tanto en un caso de estudio de campo como mediante análisis offline, considerando la influencia del número de nodos de medida y de las dimensiones de las obstrucciones. Los resultados muestran que el sistema propuesto es capaz de detectar fallos de funcionamiento y permite monitorizar el comportamiento hidráulico de la escala para peces. En consecuencia, optimiza la programación temporal de las labores de mantenimiento y, por tanto, tiene el potencial de automatizar y reducir el coste de estas operaciones, además de aumentar la disponibilidad operativa de estas estructuras. Por ello, esta novedosa herramienta constituye un paso adelante hacia una gestión inteligente de las escalas para peces y hacia el incremento de su operatividad.
Fuentes-Pérez, J.F., García-Vega, A., Bravo-Córdoba, F.J., & Sanz-Ronda, F.J. (2021).
Stepped fishways are structures that allow the free movement of fish in transversal obstacles in rivers. However, the lack of or incorrect maintenance may deviate them from this objective. To handle this problem, this research work presents a novel low-cost sensor network that combines fishway hydraulics with neural networks programmed in Python (Keras + TensorFlow), generating the first autonomous obstruction/malfunction detection system for stepped fishways. The system is based on a network of custom-made ultrasonic water level nodes that transmit data and alarms remotely and in real-time. Its performance was assessed in a field study case as well as offline, considering the influence of the number of sensing nodes and obstruction dimensions. Results show that the proposed system can detect malfunctions and that allows monitoring of the hydraulic performance of the fishway. Consequently, it optimizes the timing of maintenance on fishways and, thus, has the potential of automatizing and reducing the cost of these operations as well as augmenting the service of these structures. Therefore, this novel tool is a step forward to achieve smart fishway management and to increase their operability.