Un detector abierto de cámaras trampa con 0,984 de mAP: lo que dice el número y lo que sus autores no prueban

Cuando un modelo de visión reporta 0,984 en una métrica que llega hasta 1, la tentación es leerlo como "casi perfecto". Un preprint de junio de 2026 libera un detector de fauna para cámaras trampa con esa cifra, y es uno de los pocos que dice en su propio resumen por qué no hay que leerla así.

Qué liberaron exactamente

El artículo, Democratising Camera Trap AI: An Open-Source Model for Detecting UK Mammals, lo firman once autores, con Paul Fergus como primero, y se envió a arXiv el 9 de junio de 2026. Describe un detector de objetos para 31 clases: 28 especies comunes de mamíferos y aves del Reino Unido, más clases de apoyo para humanos, varas de calibración y vehículos.

Los datos del entrenamiento son 48.165 instancias etiquetadas, reunidas a lo largo de una década en las plataformas Conservation AI y su sucesora Trap Tracker. El modelo es un YOLO26x, una arquitectura de detección existente que los autores reconocen como estándar: según el texto, la contribución no es metodológica, sino liberar un modelo entrenado con datos operativos reales.

Elemento	Qué se publica
Pesos del modelo	Formato ONNX, bajo licencia Creative Commons CC BY-NC 4.0
Taxonomía	Archivo data.yaml con las 31 clases
Configuración de entrenamiento	Archivo args.yaml con los hiperparámetros
Herramientas	Scripts de inferencia, aplicación de escritorio local y modo de cámara en tiempo real
Imágenes de entrenamiento	No se publican: parte está bajo acuerdos con socios

Las cifras, con su contexto

Con una partición 80/10/10 estratificada por clase, los autores reportan en validación una precisión de 0,988, un recall de 0,965, un [email protected] de 0,984 y un [email protected]:0.95 de 0,956. En el conjunto de prueba, la confianza media por especie va de 0,959 a 0,988, y 8 de 4.820 imágenes (0,17 %) quedaron en una categoría residual de "no sé".

Para leer estos números hay que separar dos cosas. El [email protected] pregunta si el animal se encontró y se ubicó con al menos 50 % de solape; el [email protected]:0.95 es más exigente porque promedia umbrales más estrictos. Y lo más importante, la confianza de un modelo no es su acierto: el propio artículo advierte que la confianza es la certeza que declara el modelo, no una medida de corrección frente al terreno verdadero, y que un detector puede estar seguro y equivocado.

La advertencia que importa más que el número

El resumen lo dice sin rodeos: las métricas salen del mismo grupo de sitios y cámaras del entrenamiento, así que el desempeño en sitios totalmente nuevos queda como trabajo futuro. En la sección de resultados, los autores recuerdan que la literatura lleva casi una década mostrando que los modelos de cámaras trampa tienden a aprender las cámaras tanto como los animales, y que la precisión de una evaluación dentro de la misma distribución suele caer en la primera puesta en marcha en un contexto nuevo.

Su propia expectativa es que el [email protected] se mantenga holgadamente sobre 0,9 en la mayoría de condiciones operativas británicas, pero el texto aclara que el artículo no lo demuestra. La prioridad que fijan es un banco de prueba etiquetado a mano con sitios, cámaras y temporadas ausentes del entrenamiento.

Otras limitaciones declaradas:

• Alcance geográfico: "UK" en el título significa Gran Bretaña continental; esperan buena transferencia a faunas comparables del noroeste de Europa, pero no la han medido.
• Clases con pocos ejemplos: el polluelo de zarapito y la vara de calibración tienen 274 y 151 instancias de entrenamiento; se detectan con alta confianza, pero hay pocas imágenes de prueba (33 y 18).
• Confusiones previsibles: el corzo y el ciervo rojo, sobre todo a distancia y con luz infrarroja.
• No es un detector general de aves: el modelo se centra en mamíferos y en un conjunto curado de aves.

La licencia, el detalle que decide si lo puedes usar

Los pesos van bajo CC BY-NC 4.0, es decir, para uso no comercial. Los autores explican que es deliberado: según el texto, Trap Tracker sigue siendo el vehículo comercial de este linaje y la licencia protege su capacidad de financiar los modelos siguientes. Apuntan a ONG de conservación, grupos académicos, proyectos de ciencia ciudadana y agencias estatales.

Aquí aparece una pregunta que el artículo no responde y que tendrías que resolver tú: si tu trabajo con cámaras trampa es un contrato pagado para un cliente, ¿cuenta como uso no comercial? Eso depende de la lectura jurídica de la licencia y, ante la duda, conviene consultar con los autores o con un abogado antes de integrarlo a un flujo de consultoría.

Qué podría significar fuera del Reino Unido

Lo que sigue es una hipótesis de este artículo, no un resultado del preprint. Los autores señalan que su argumento no es específico del Reino Unido: según el texto, aplica donde la IA de especies "se está quedando detrás de muros de pago" (en el original, drifting behind paywalls), y anuncian que ya trabajan en un modelo para el África subsahariana con los mismos principios.

Para quien monitorea fauna en otros países, el valor práctico estaría menos en usar este modelo tal cual (sus especies son británicas) que en la receta: pesos portables en ONNX, taxonomía y configuración publicadas, y una expectativa explícita de ajustar el modelo con datos locales. Un equipo en los Andes, la Amazonia o el Caribe que ya tenga miles de imágenes etiquetadas podría usar esa configuración como punto de partida para su propio detector, sujeto a la misma cautela: medirlo en sitios que no vio en el entrenamiento.

Existen alternativas abiertas con otra cobertura, como SpeciesNet, y casos de uso regionales como la Red Otus en Colombia. Si quieres el marco de diseño del muestreo antes de aplicar cualquier modelo, la guía de fototrampeo cubre esa parte.

La conclusión práctica: un 0,984 en datos de los mismos sitios es una prueba de que el modelo aprendió su material, no de que funcionará en el tuyo. Antes de adoptar cualquier detector, etiqueta a mano una muestra de tus propias cámaras y mide ahí.

Imagen de portada: recreación de una cámara trampa fijada a un roble en un bosque con niebla. No es una imagen del estudio. Imagen generada con IA (spacexai/grok-imagine-image).