Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias

Las floraciones de cianobacterias son crecimientos masivos de estos microorganismos acuáticos, que tienen alta relevancia ecológica, sanitaria y económica. Las instituciones públicas y privadas responsables de la gestión de cuerpos de agua no siempre cuentan con personal especializado, por lo que di...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Rosa, Silvina M., Yema, Lilen, Torres, Patricia L. M., Buemi, María E., Balderrama, Rocío, Palstani, María Sofía, Sanguinetti, Agustín, Martínez, Cristian
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2024
Materias:	Ciencias Informáticas aprendizaje automático cianobacterias identificación taxonómica redes neuronales
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/177106
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-177106
record_format	dspace
spelling	I19-R120-10915-1771062025-03-06T20:07:10Z http://sedici.unlp.edu.ar/handle/10915/177106 Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias Rosa, Silvina M. Yema, Lilen Torres, Patricia L. M. Buemi, María E. Balderrama, Rocío Palstani, María Sofía Sanguinetti, Agustín Martínez, Cristian 2024-08 2024 2025-03-06T13:01:17Z es Ciencias Informáticas aprendizaje automático cianobacterias identificación taxonómica redes neuronales Las floraciones de cianobacterias son crecimientos masivos de estos microorganismos acuáticos, que tienen alta relevancia ecológica, sanitaria y económica. Las instituciones públicas y privadas responsables de la gestión de cuerpos de agua no siempre cuentan con personal especializado, por lo que disponer de herramientas automáticas, precisas y sencillas que sirvan de soporte para su detección y caracterización es de suma importancia. Proponemos una solución basada en Machine Learning para el reconocimiento de cianobacterias formadoras de floraciones mediante dos fases: detección y clasificación. Para medir la calidad de nuestra propuesta, se utilizó un dataset propio de imágenes de cianobacterias de diversos cuerpos de agua de Argentina, siendo los géneros seleccionados los principales responsables de floraciones en Argentina en base a relevamientos previos. A través de una red SOM para la detección de cianobacterias y una red CNN pre-entrenada para la clasificación de géneros, se alcanzaron resultados muy prometedores, considerando la poca disponibilidad de muestras, la complejidad de los microorganismos y su poco tratamiento en la literatura. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 53-59
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas aprendizaje automático cianobacterias identificación taxonómica redes neuronales
spellingShingle	Ciencias Informáticas aprendizaje automático cianobacterias identificación taxonómica redes neuronales Rosa, Silvina M. Yema, Lilen Torres, Patricia L. M. Buemi, María E. Balderrama, Rocío Palstani, María Sofía Sanguinetti, Agustín Martínez, Cristian Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
topic_facet	Ciencias Informáticas aprendizaje automático cianobacterias identificación taxonómica redes neuronales
description	Las floraciones de cianobacterias son crecimientos masivos de estos microorganismos acuáticos, que tienen alta relevancia ecológica, sanitaria y económica. Las instituciones públicas y privadas responsables de la gestión de cuerpos de agua no siempre cuentan con personal especializado, por lo que disponer de herramientas automáticas, precisas y sencillas que sirvan de soporte para su detección y caracterización es de suma importancia. Proponemos una solución basada en Machine Learning para el reconocimiento de cianobacterias formadoras de floraciones mediante dos fases: detección y clasificación. Para medir la calidad de nuestra propuesta, se utilizó un dataset propio de imágenes de cianobacterias de diversos cuerpos de agua de Argentina, siendo los géneros seleccionados los principales responsables de floraciones en Argentina en base a relevamientos previos. A través de una red SOM para la detección de cianobacterias y una red CNN pre-entrenada para la clasificación de géneros, se alcanzaron resultados muy prometedores, considerando la poca disponibilidad de muestras, la complejidad de los microorganismos y su poco tratamiento en la literatura.
format	Objeto de conferencia Objeto de conferencia
author	Rosa, Silvina M. Yema, Lilen Torres, Patricia L. M. Buemi, María E. Balderrama, Rocío Palstani, María Sofía Sanguinetti, Agustín Martínez, Cristian
author_facet	Rosa, Silvina M. Yema, Lilen Torres, Patricia L. M. Buemi, María E. Balderrama, Rocío Palstani, María Sofía Sanguinetti, Agustín Martínez, Cristian
author_sort	Rosa, Silvina M.
title	Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
title_short	Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
title_full	Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
title_fullStr	Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
title_full_unstemmed	Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias
title_sort	machine learning como herramienta para monitoreo e identificación rápida de cianobacterias
publishDate	2024
url	http://sedici.unlp.edu.ar/handle/10915/177106
work_keys_str_mv	AT rosasilvinam machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT yemalilen machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT torrespatricialm machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT buemimariae machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT balderramarocio machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT palstanimariasofia machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT sanguinettiagustin machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias AT martinezcristian machinelearningcomoherramientaparamonitoreoeidentificacionrapidadecianobacterias
_version_	1847925333884403712

Machine Learning como herramienta para monitoreo e identificación rápida de cianobacterias

Ejemplares similares