DSpace JSPUI
DSpace almacena y facilita el acceso abierto a todo tipo de contenido digital incluyendo texto, imágenes, vídeos y colecciones de datos.
Leer más
Por favor, use este identificador para citar o enlazar este ítem:
http://dgsa.uaeh.edu.mx:8080/handle/231104/7364| Título : | Implementación de inteligencia artificial (YOLOv8) para la Identificación morfológica de Scenedesmus sp. y Nostoc sp. |
| Otros títulos : | Ingeniería en Biociencias. |
| Autor : | Arrieta González, Paola |
| Palabras clave : | IA YOLOV8 Scenedesmus sp Nostoc sp Redes neuronales convolucionales Ingeniería en Biociencias. |
| Fecha de publicación : | 8-dic-2025 |
| Editorial : | EscSupApan-BD-UAEH |
| Descripción : | 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. |
| Documento del Gobiberno : | IBIO .16614 2025 |
| URI : | http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/7364 |
| Aparece en las colecciones: | Tesis de Licenciatura |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| ATD1410.pdf | 2.23 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.