Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá

RESUMEN : Uno de los retos para el uso de los macroinvertebrados como bioindicadores de la calidad del agua es la necesidad de especialistas en taxonomía, por lo que se han venido utilizando en los últimos años algoritmos de visón artificial para realizar la clasificación de los organismos mediante...

Full description

Autores:
Ospina Arcila, Sara
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/36409
Acceso en línea:
https://hdl.handle.net/10495/36409
Palabra clave:
Contaminación del agua
Water pollution
Ojo artificial
Artificial vision
Redes neurales (computador)
Neural networks (Computer science)
Macroinvertebrados
Macroinvertebrates
Reconocimiento de patrones
http://aims.fao.org/aos/agrovoc/c_10d271a5
http://vocabularies.unesco.org/thesaurus/concept2632
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-sa/2.5/co/
id UDEA2_b869ead2d297982d9609bfe516ff733e
oai_identifier_str oai:bibliotecadigital.udea.edu.co:10495/36409
network_acronym_str UDEA2
network_name_str Repositorio UdeA
repository_id_str
dc.title.spa.fl_str_mv Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
title Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
spellingShingle Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
Contaminación del agua
Water pollution
Ojo artificial
Artificial vision
Redes neurales (computador)
Neural networks (Computer science)
Macroinvertebrados
Macroinvertebrates
Reconocimiento de patrones
http://aims.fao.org/aos/agrovoc/c_10d271a5
http://vocabularies.unesco.org/thesaurus/concept2632
title_short Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
title_full Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
title_fullStr Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
title_full_unstemmed Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
title_sort Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La Ayurá
dc.creator.fl_str_mv Ospina Arcila, Sara
dc.contributor.advisor.none.fl_str_mv Serna López, Juan Pablo
Aguirre Ramírez, Néstor Jaime
Fernández Mc Cann, David Stephen
dc.contributor.author.none.fl_str_mv Ospina Arcila, Sara
dc.contributor.researchgroup.spa.fl_str_mv GeoLimna
GEPAR-Grupo de Electrónica de Potencia, Automatización y Robótica
dc.subject.unesco.none.fl_str_mv Contaminación del agua
Water pollution
topic Contaminación del agua
Water pollution
Ojo artificial
Artificial vision
Redes neurales (computador)
Neural networks (Computer science)
Macroinvertebrados
Macroinvertebrates
Reconocimiento de patrones
http://aims.fao.org/aos/agrovoc/c_10d271a5
http://vocabularies.unesco.org/thesaurus/concept2632
dc.subject.lemb.none.fl_str_mv Ojo artificial
Artificial vision
Redes neurales (computador)
Neural networks (Computer science)
dc.subject.agrovoc.none.fl_str_mv Macroinvertebrados
Macroinvertebrates
dc.subject.proposal.spa.fl_str_mv Reconocimiento de patrones
dc.subject.agrovocuri.none.fl_str_mv http://aims.fao.org/aos/agrovoc/c_10d271a5
dc.subject.unescouri.none.fl_str_mv http://vocabularies.unesco.org/thesaurus/concept2632
description RESUMEN : Uno de los retos para el uso de los macroinvertebrados como bioindicadores de la calidad del agua es la necesidad de especialistas en taxonomía, por lo que se han venido utilizando en los últimos años algoritmos de visón artificial para realizar la clasificación de los organismos mediante imágenes. El presente trabajo utiliza técnicas de transferencia de aprendizaje, comparando los algoritmos de aprendizaje profundo AlexNet, GoogleNet, ResNet18, ResNet50, ResNet101 e InceptionV3 para la determinación de tres familias de macroinvertebrados, construyendo un banco de imágenes mediante estereomicroscopio para el entrenamiento, validación y prueba de los modelos. Posteriormente, se realizan pruebas con imágenes tomadas con un montaje de campo en diferentes formatos de imagen y estados del organismo. La base de datos fue construida con las familias Baetidae, Elmidae e Hydropsychidae, ya que poseen abundancia y presencia en un punto de la quebrada durante el periodo 2007 a 2023, en cuanto al entrenamiento y validación, se obtuvo una precisión por encima del 98,2% en todas las redes neuronales, mientras que, en la prueba dentro de la misma base de datos, todas las redes exceptuando ResNet101 lograron realizar bien la clasificación. Para la prueba con imágenes del montaje de campo, GoogleNet es modelo que posee mejores métricas en la matriz de confusión y con el cual se construyó una interfaz de usuario. Finalmente, el análisis de este modelo plantea nuevos retos para la clasificación de organismos vivos y para el procesamiento digital de las imágenes.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-08-28T20:34:00Z
dc.date.available.none.fl_str_mv 2023-08-28T20:34:00Z
dc.date.issued.none.fl_str_mv 2023
dc.type.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/draft
format http://purl.org/coar/resource_type/c_7a1f
status_str draft
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10495/36409
url https://hdl.handle.net/10495/36409
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/co/
https://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 54
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad de Antioquia
dc.publisher.place.spa.fl_str_mv Medellín, Colombia
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería. Ingeniería Ambiental
institution Universidad de Antioquia
bitstream.url.fl_str_mv https://bibliotecadigital.udea.edu.co/bitstreams/0cdd463d-f2f4-4134-aeeb-d745f4ace89c/download
https://bibliotecadigital.udea.edu.co/bitstreams/d9b7192d-561a-4148-b1a6-c5af97a37c94/download
https://bibliotecadigital.udea.edu.co/bitstreams/a0c88f21-0905-4af2-8b38-0e18edf809a7/download
https://bibliotecadigital.udea.edu.co/bitstreams/a36a3920-3bd7-43e0-80a0-4a3047ffa529/download
https://bibliotecadigital.udea.edu.co/bitstreams/ebb5b152-b733-4a70-830e-30a5921fa117/download
bitstream.checksum.fl_str_mv e2060682c9c70d4d30c83c51448f4eed
83bc3ddf87aa2ca396349642a3bb59b8
8a4605be74aa9ea9d79846c1fba20a33
1a1c0d0109676b0207a91d35f2ca3a29
1a37698052d22f0f694c393ea43885b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional de la Universidad de Antioquia
repository.mail.fl_str_mv aplicacionbibliotecadigitalbiblioteca@udea.edu.co
_version_ 1851052111744204800
spelling Serna López, Juan PabloAguirre Ramírez, Néstor JaimeFernández Mc Cann, David StephenOspina Arcila, SaraGeoLimnaGEPAR-Grupo de Electrónica de Potencia, Automatización y Robótica2023-08-28T20:34:00Z2023-08-28T20:34:00Z2023https://hdl.handle.net/10495/36409RESUMEN : Uno de los retos para el uso de los macroinvertebrados como bioindicadores de la calidad del agua es la necesidad de especialistas en taxonomía, por lo que se han venido utilizando en los últimos años algoritmos de visón artificial para realizar la clasificación de los organismos mediante imágenes. El presente trabajo utiliza técnicas de transferencia de aprendizaje, comparando los algoritmos de aprendizaje profundo AlexNet, GoogleNet, ResNet18, ResNet50, ResNet101 e InceptionV3 para la determinación de tres familias de macroinvertebrados, construyendo un banco de imágenes mediante estereomicroscopio para el entrenamiento, validación y prueba de los modelos. Posteriormente, se realizan pruebas con imágenes tomadas con un montaje de campo en diferentes formatos de imagen y estados del organismo. La base de datos fue construida con las familias Baetidae, Elmidae e Hydropsychidae, ya que poseen abundancia y presencia en un punto de la quebrada durante el periodo 2007 a 2023, en cuanto al entrenamiento y validación, se obtuvo una precisión por encima del 98,2% en todas las redes neuronales, mientras que, en la prueba dentro de la misma base de datos, todas las redes exceptuando ResNet101 lograron realizar bien la clasificación. Para la prueba con imágenes del montaje de campo, GoogleNet es modelo que posee mejores métricas en la matriz de confusión y con el cual se construyó una interfaz de usuario. Finalmente, el análisis de este modelo plantea nuevos retos para la clasificación de organismos vivos y para el procesamiento digital de las imágenes.ABSTRACT : One of the challenges for the use of macroinvertebrates as bioindicators of water quality is the need for specialists in taxonomy, so in recent years artificial mimicry algorithms have been used to classify organisms using images. The present work uses transfer learning techniques, comparing the deep learning algorithms AlexNet, GoogleNet, ResNet18, ResNet50, ResNet101 and InceptionV3 for the determination of three families of macroinvertebrates, building an image bank for training, validation and testing of the models using stereomicroscopy. Subsequently, tests are performed with images taken with a field setup in different image formats and organism states. The database was constructed with the families Baetidae, Elmidae and Hydropsychidae, since they have abundance and presence in a point of the creek during the period 2007 to 2023, in terms of training and validation, an accuracy above 98.2% was obtained in all neural networks, while, in the test within the same database, all networks except ResNet101 managed to perform well the classification. For the test with images from the field assembly, GoogleNet is the model with the best metrics in the confusion matrix and with which a user interface was built. Finally, the analysis of this model poses new challenges for the classification of living organisms and for digital image processing.PregradoIngeniería Sanitaria54application/pdfspaUniversidad de AntioquiaMedellín, ColombiaFacultad de Ingeniería. Ingeniería Ambientalhttp://creativecommons.org/licenses/by-nc-sa/2.5/co/https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Visión artificial para la determinación de tres familias de macroinvertebrados acuáticos: Caso de estudio quebrada La AyuráTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/draftContaminación del aguaWater pollutionOjo artificialArtificial visionRedes neurales (computador)Neural networks (Computer science)MacroinvertebradosMacroinvertebratesReconocimiento de patroneshttp://aims.fao.org/aos/agrovoc/c_10d271a5http://vocabularies.unesco.org/thesaurus/concept2632PublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81051https://bibliotecadigital.udea.edu.co/bitstreams/0cdd463d-f2f4-4134-aeeb-d745f4ace89c/downloade2060682c9c70d4d30c83c51448f4eedMD52falseAnonymousREADORIGINALOspinaSara_2023_VisionArtificialMacroinvertebrados.pdfOspinaSara_2023_VisionArtificialMacroinvertebrados.pdfTrabajo de grado de pregradoapplication/pdf5545756https://bibliotecadigital.udea.edu.co/bitstreams/d9b7192d-561a-4148-b1a6-c5af97a37c94/download83bc3ddf87aa2ca396349642a3bb59b8MD51trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://bibliotecadigital.udea.edu.co/bitstreams/a0c88f21-0905-4af2-8b38-0e18edf809a7/download8a4605be74aa9ea9d79846c1fba20a33MD53falseAnonymousREADTEXTOspinaSara_2023_VisionArtificialMacroinvertebrados.pdf.txtOspinaSara_2023_VisionArtificialMacroinvertebrados.pdf.txtExtracted texttext/plain95023https://bibliotecadigital.udea.edu.co/bitstreams/a36a3920-3bd7-43e0-80a0-4a3047ffa529/download1a1c0d0109676b0207a91d35f2ca3a29MD58falseAnonymousREADTHUMBNAILOspinaSara_2023_VisionArtificialMacroinvertebrados.pdf.jpgOspinaSara_2023_VisionArtificialMacroinvertebrados.pdf.jpgGenerated Thumbnailimage/jpeg6887https://bibliotecadigital.udea.edu.co/bitstreams/ebb5b152-b733-4a70-830e-30a5921fa117/download1a37698052d22f0f694c393ea43885b0MD59falseAnonymousREAD10495/36409oai:bibliotecadigital.udea.edu.co:10495/364092025-03-26 17:08:19.485http://creativecommons.org/licenses/by-nc-sa/2.5/co/open.accesshttps://bibliotecadigital.udea.edu.coRepositorio Institucional de la Universidad de Antioquiaaplicacionbibliotecadigitalbiblioteca@udea.edu.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