1. Universidad Autonoma del Estado de Hidalgo
  2. Tesis
  3. Tesis de Licenciatura
Por favor, use este identificador para citar o enlazar este ítem: http://dgsa.uaeh.edu.mx:8080/handle/231104/8244
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.authorMillán Téllez, Luis Ángel-
dc.date.accessioned2026-08-10T16:18:49Z-
dc.date.available2026-08-10T16:18:49Z-
dc.date.issued2026-05-25-
dc.identifier.govdocIBIO .17117 2026-
dc.identifier.otherATD1913-
dc.identifier.urihttp://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/8244-
dc.descriptionLa biorremediación de metales pesados mediante bacterias sulfato-reductoras (BSR) permite la remoción de iones metálicos en sistemas acuosos a través de la reducción disimilatoria de sulfato y la formación de sulfuros metálicos insolubles bajo condiciones anaerobias. La precipitación de estos compuestos, como el sulfuro de cadmio (CdS), provoca cambios ópticos que pueden ser cuantificados mediante técnicas colorimétricassin alterar el cultivo, lo que abre la posibilidad de desarrollar métodos de monitoreo no invasivos, de bajo costo y potencialmente aplicables en tiempo real. En este estudio se utilizó visión artificial basada en redes neuronales convolucionales (CNN, por sus siglas en inglés) para estimar la concentración de Cd(II) residual a partir de cambios cromáticos asociados a la formación de CdS durante la cinética de remoción mediada por Desulfovibrio alaskensis 6SR. Se construyó un banco de 1900 imágenes obtenidas de cultivos en lote expuestos a distintas concentraciones de cadmio de 0, 25, 50, 75, 100, 125, 150, 175 y 200 ppm, que se emplearon para el entrenamiento, validación y prueba del modelo. La CNN propuesta alcanzó una precisión global de 99.5%, una sensibilidad de 99.47% y un F1-score de 99.47% en el conjunto de prueba (n = 190 imágenes). Adicionalmente, el modelo fue evaluado bajo una condición no incluida en el entrenamiento (170 ppm), donde las estimaciones de concentración residual obtenidas a partir del análisis de imágenes mostraron concordancia a los valores determinados experimentalmente mediante espectroscopía de absorción atómica (AAS, por sus siglas en inglés), cumpliendo los límites permisibles de efluentes en base a norma de concentraciones menores a 0.003 mg/L Finalmente, los resultados demuestran que la integración de herramientas de visión artificial a sistemas de remoción anaerobia permite inferir cuantitativamente la remoción de Cd(II) a partir de señales ópticas, destacando el potencial de esta estrategia como herramienta complementaria para el monitoreo y control de bioprocesos anaerobios.es_ES
dc.language.isoeses_ES
dc.publisherEscSupApan-BD-UAEHes_ES
dc.subjectBacterias sulfato reductorases_ES
dc.subjectDesulfovibrio alaskensises_ES
dc.subjectSulfuro de cadmioes_ES
dc.subjectMonitoreo indirectoes_ES
dc.subjectRedes neuronales convolucionaleses_ES
dc.subjectIngeniería en Biociencias.es_ES
dc.titleSistema de visión artificial para el monitoreo de precipitados de cadmio en un proceso sulfato-reductor.es_ES
dc.title.alternativeIngeniería en Biociencias.es_ES
dc.typeTesises_ES
Aparece en las colecciones: Tesis de Licenciatura

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ATD1913.pdf3.2 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.