Aquest sistema utilitza imatges i vídeos subaquàtics per identificar contorns de coralls, generant dades valuoses com colorimetria i dimensió fractal. La colorimetria detecta canvis de color en el corall segons l'entorn, mentre que la dimensió fractal proporciona valors per avaluar canvis en la superfície coral·lina en 2D.

Aquest Sistema s'encarregarà de preparar les dades per poder realitzar la seva posterior anàlisi. És per això que caldrà utilitzar tècniques data integration, data processing, reducció de sorolls, normalització i discretització que transformin les dades recollides pels sensors com la temperatura, els nivells de terbolesa, conductivitat, clorofil·la, salinitat, etc. i les deixin preparades per al seu posterior modelatge.

Aquest sistema utilitza imatges estereoscòpiques i time-lapse per obtenir un núvol de punts de coralls. Amb aquest núvol, es genera una malla 3D per calcular el volum del corall, proporcionant dades sobre el seu creixement o disminució en funció de diversos paràmetres.

Els models predictius revelen esdeveniments i els seus moments. En aquesta investigació, s'avaluaran algorismes com Xarxes Neuronals, Support Vector Machines, KNN i Deep Learning, juntament amb les seves variants, per predir el temps d'assolir nivells predefinits de degradació en el corall, oferint així una visió més precisa del procés.

Els models descriptius revelen les raons darrere dels esdeveniments. S'investigaran algorismes com arbres de decisió, random forest, regressions lineals, regressions logístiques i xarxes bayesianes, juntament amb les seves variants, per generar regles que expliquin les causes d'esdeveniments en l'entorn del corall, millorant així el seguiment i la comprensió de l'entorn en diverses condicions.