Implementación de inteligencia artificial (YOLOv8) para la Identificación morfológica de Scenedesmus sp. y Nostoc sp.

Arrieta González, Paola

dc.contributor.author	Arrieta González, Paola
dc.date.accessioned	2026-01-20T14:51:04Z
dc.date.available	2026-01-20T14:51:04Z
dc.date.issued	2025-12-08
dc.identifier.govdoc	IBIO .16614 2025
dc.identifier.other	ATD1410
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/7364
dc.description	La presente investigación aborda la creciente necesidad de optimizar los bioprocesos en la economía mediante la propuesta y el desarrollo de un sistema automatizado de visión por computadora. Este sistema se enfoca en el monitoreo en tiempo real de un consorcio microbiano fotosintético de alto valor agronómico: la cianobacteria Nostoc sp. (biofertilizante, fijador de N2) y la microalga Scenedesmus sp. (bioestimulante). La justificación de este consorcio radica en su sinergia funcional y ecológica, ya que Nostoc reduce la dependencia de fertilizantes sintéticos, mientras que Scenedesmus enriquece el medio con metabolitos promotores del desarrollo vegetal. El componente central de la metodología propuesta es el entrenamiento de una Red Neuronal Convolucional (CNN) de última generación, específicamente la arquitectura You Only Look Once versión 8 (YOLOv8). Además, se apoya en el uso estratégico de la plataforma Roboflow para la gestión eficiente del dataset (aproximadamente 1000 imágenes microscópicas), que incluye la clasificación, etiquetado y procesamiento avanzado. El algoritmo permitió un diagnóstico preliminar en tiempo real como una medición in line de la identificación del tipo de microrganismo en el fotobiorerreactor. Esta primera fase preliminar es la base para el desarrollo de un modelo que permita monitorear parámetros críticos como el conteo preciso de heterocistos en Nostoc, un indicador directo de la actividad de fijación de nitrógeno, y los cambios citológicos en Scenedesmus, que señalan la fase de crecimiento celular óptima. El enfoque con YOLOv8 mostró ser una alternativa de alto rendimiento, escalable y bajo costo frente a las metodologías convencionales de identificación morfológica. La validación rigurosa del modelo a través de la matriz de confusión y métricas de precisión demostrará la fiabilidad del sistema para la optimización de bioprocesos, asegurando un producto de calidad superior y promoviendo la transición hacia sistemas agrícolas más sostenibles. Esta capacidad de control avanzado es crucial para maximizar la concentración de compuestos bioactivos y el rendimiento productivo en fotobiorreactores.	es_ES
dc.language.iso	es	es_ES
dc.publisher	EscSupApan-BD-UAEH	es_ES
dc.subject	IA	es_ES
dc.subject	YOLOV8	es_ES
dc.subject	Scenedesmus sp	es_ES
dc.subject	Nostoc sp	es_ES
dc.subject	Redes neuronales convolucionales	es_ES
dc.subject	Ingeniería en Biociencias.	es_ES
dc.title	Implementación de inteligencia artificial (YOLOv8) para la Identificación morfológica de Scenedesmus sp. y Nostoc sp.	es_ES
dc.title.alternative	Ingeniería en Biociencias.	es_ES
dc.type	Tesis	es_ES