Redes neuronales convolucionales para la detección de Salmonella spp. en aves de granja

RESUMEN : La detección temprana de Salmonella spp. en aves de granja es crucial para mejorar la productividad de las compañías avícolas del país, pues no sólo se trata de reducir la mortalidad de sus aves y mantener la rentabilidad y reputación de las empresas, sino de garantizar la producción alimentos inocuos para la población. Sin embargo, la capacidad de respuesta y el costo de los métodos tradicionales limita el desempeño microbiológico de estas compañías. En esta monografía se compararon diferentes arquitecturas de Redes Neuronales Convolucionales (CNN) para la detección de salmonella spp. en imágenes de heces de aves de granja. Se utilizó un conjunto de 5029 imágenes tomadas en África entre 2020 y 2021, y se clasificaron entre "Healthy" y "Salmonella". Tras la limpieza y preprocesamiento de datos, se encontró que la implementación del regularizador L2 y una capa de Dropout (0.5) en combinación con el optimizador Adam (lr = 0.0001), son los parámetros de partida óptimos para la técnica de transferencia de aprendizaje en los modelos pre entrenados VGG16 y ResNet50v2. Los resultados mostraron que ambos modelos superaron al modelo base en términos de precisión y sensibilidad, con VGG16 obteniendo una precisión de 98.42 % y ResNet50v2 de 93.67 %. En conclusión, se demostró la efectividad de las técnicas de visión por computadora y el aprendizaje profundo en la detección de Salmonella spp., lo cual proporciona una base sólida para futuras investigaciones con imágenes tomadas en Colombia.

• Autores: Ortega Alzate, Melissa
• Tipo de recurso: Tesis
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: eng; spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/40366
• Acceso en línea: https://hdl.handle.net/10495/40366
• Palabra clave: Aprendizaje Profundo; Deep Learning; Redes Neurales de la Computación; Neural Networks, Computer; Seguridad alimentaria; Food Security; Salmonella; Aprendizaje automático (inteligencia artificial); Machine learning; Avicultura; Aviculture; Procesamiento de imágenes; Image processing; https://id.nlm.nih.gov/mesh/D000077321; https://id.nlm.nih.gov/mesh/D016571; https://id.nlm.nih.gov/mesh/D000082302; https://id.nlm.nih.gov/mesh/D012475
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/