Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo

Autores
Giambelluca, Francisco Luis
Año de publicación
2020
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Los escorpiones tienen la capacidad de inocular veneno, que utilizan para matar a sus presas y ayudar a la pre digestión, es por ello que se los conoce como un grupo peligroso, si bien son pocas las especies en el mundo que pueden causar un accidente de gravedad al ser humano. La picadura se suele dar accidentalmente, debido a que estos arácnidos pican si son provocados o atacados, es decir, las personas son picadas por escorpiones cuando tienen un contacto involuntario con estos. Por lo tanto, la detección e identificación temprana es esencial para minimizar las picaduras de escorpión. Los escorpiones son animales de actividad nocturna y tienen una característica única que consiste en emitir fluorescencia cian al ser iluminados con luz ultravioleta (UV). En mi tesis doctoral, proponemos un novedoso sistema automático para la detección y reconocimiento de escorpiones utilizando enfoques de visión por computadora y aprendizaje automático. Se utilizaron dos técnicas de procesamiento de imágenes complementarias para el método de detección propuesto con el fin de detectar de manera precisa y confiable la presencia de escorpiones. El primero se basa en las características de fluorescencia de los escorpiones cuando se exponen a luz UV y el segundo en las características de la forma de los escorpiones. Por otro lado, se han comparado tres modelos basados ​​en algoritmos de aprendizaje automático para el reconocimiento de imágenes y clasificación de escorpiones. En particular, las tres especies de escorpiones que se encuentran en la ciudad de La Plata (Argentina): Bothriurus bonariensis (sin importancia sanitaria) y la confluencia de Tityus trivittatus y confluence (ambas de importancia sanitaria), han sido investigadas utilizando el algoritmo Histograma de Patrón Binario Local (LBPH) y redes neuronales profundas con enfoques de Transfer Learning (DNN con TL) y la técnica de aumento de datos (DNN con TL y DA). La matriz de confusión y la curva de la característica operativa del receptor (ROC) se utilizaron para evaluar la calidad de estos modelos. Los resultados obtenidos muestran que el modelo DNN con TL y DA es el modelo más eficiente para diferenciar simultáneamente entre Tityus y Bothriurus (para seguridad sanitaria) y entre Tityus trivittatus y Tityus confluence (para fines de investigación biológica). Otro sistema independiente que se está desarrollando, es la implementación de un sensor de color mono pixel para detectar la fluorescencia de los escorpiones con un microcontrolador. Para ello, también se implementó el uso de un sensor de distancia con el fin de aumentar la precisión de detección dado que el sensor de color es sensible a la distancia. Todo lo mencionado previamente se encuentra en su etapa de conclusión e integración entre las partes para tener un sistema completo y fiable para la detección y eventual clasificación de los escorpiones presentes ante el mismo.
Carrera: Doctorado en Ingeniería Tipo de beca: Doctoral Año de inicio de beca: 2020 Año de finalización de beca: 2025 Organismo: UNLP Apellido, Nombre del Director/a/e: Cappelletti, Marcelo Tipo de investigación: Aplicada
Facultad de Ingeniería
Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales
Materia
Ingeniería
Detección de escorpiones
Fluorescencia
Aprendizaje profundo
Scorpion detection
Fluorescence
Deep learning
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/114115

id SEDICI_3e89f07cf6b7b0a69925f75ce13d8aa6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/114115
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundoAutomatic detection, classification and recognition of scorpions using deep learning techniquesGiambelluca, Francisco LuisIngenieríaDetección de escorpionesFluorescenciaAprendizaje profundoScorpion detectionFluorescenceDeep learningLos escorpiones tienen la capacidad de inocular veneno, que utilizan para matar a sus presas y ayudar a la pre digestión, es por ello que se los conoce como un grupo peligroso, si bien son pocas las especies en el mundo que pueden causar un accidente de gravedad al ser humano. La picadura se suele dar accidentalmente, debido a que estos arácnidos pican si son provocados o atacados, es decir, las personas son picadas por escorpiones cuando tienen un contacto involuntario con estos. Por lo tanto, la detección e identificación temprana es esencial para minimizar las picaduras de escorpión. Los escorpiones son animales de actividad nocturna y tienen una característica única que consiste en emitir fluorescencia cian al ser iluminados con luz ultravioleta (UV). En mi tesis doctoral, proponemos un novedoso sistema automático para la detección y reconocimiento de escorpiones utilizando enfoques de visión por computadora y aprendizaje automático. Se utilizaron dos técnicas de procesamiento de imágenes complementarias para el método de detección propuesto con el fin de detectar de manera precisa y confiable la presencia de escorpiones. El primero se basa en las características de fluorescencia de los escorpiones cuando se exponen a luz UV y el segundo en las características de la forma de los escorpiones. Por otro lado, se han comparado tres modelos basados ​​en algoritmos de aprendizaje automático para el reconocimiento de imágenes y clasificación de escorpiones. En particular, las tres especies de escorpiones que se encuentran en la ciudad de La Plata (Argentina): Bothriurus bonariensis (sin importancia sanitaria) y la confluencia de Tityus trivittatus y confluence (ambas de importancia sanitaria), han sido investigadas utilizando el algoritmo Histograma de Patrón Binario Local (LBPH) y redes neuronales profundas con enfoques de Transfer Learning (DNN con TL) y la técnica de aumento de datos (DNN con TL y DA). La matriz de confusión y la curva de la característica operativa del receptor (ROC) se utilizaron para evaluar la calidad de estos modelos. Los resultados obtenidos muestran que el modelo DNN con TL y DA es el modelo más eficiente para diferenciar simultáneamente entre Tityus y Bothriurus (para seguridad sanitaria) y entre Tityus trivittatus y Tityus confluence (para fines de investigación biológica). Otro sistema independiente que se está desarrollando, es la implementación de un sensor de color mono pixel para detectar la fluorescencia de los escorpiones con un microcontrolador. Para ello, también se implementó el uso de un sensor de distancia con el fin de aumentar la precisión de detección dado que el sensor de color es sensible a la distancia. Todo lo mencionado previamente se encuentra en su etapa de conclusión e integración entre las partes para tener un sistema completo y fiable para la detección y eventual clasificación de los escorpiones presentes ante el mismo.Carrera: Doctorado en Ingeniería Tipo de beca: Doctoral Año de inicio de beca: 2020 Año de finalización de beca: 2025 Organismo: UNLP Apellido, Nombre del Director/a/e: Cappelletti, Marcelo Tipo de investigación: AplicadaFacultad de IngenieríaInstituto de Investigaciones en Electrónica, Control y Procesamiento de Señales2020-11-12info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaimage/jpeghttp://sedici.unlp.edu.ar/handle/10915/114115spainfo:eu-repo/semantics/altIdentifier/url/https://congresos.unlp.edu.ar/ebec2020/francisco-luis-giambellucainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-22T17:07:31Zoai:sedici.unlp.edu.ar:10915/114115Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-22 17:07:32.257SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
Automatic detection, classification and recognition of scorpions using deep learning techniques
title Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
spellingShingle Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
Giambelluca, Francisco Luis
Ingeniería
Detección de escorpiones
Fluorescencia
Aprendizaje profundo
Scorpion detection
Fluorescence
Deep learning
title_short Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
title_full Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
title_fullStr Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
title_full_unstemmed Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
title_sort Detección automática, clasificación y reconocimiento de escorpiones mediante técnicas de aprendizaje profundo
dc.creator.none.fl_str_mv Giambelluca, Francisco Luis
author Giambelluca, Francisco Luis
author_facet Giambelluca, Francisco Luis
author_role author
dc.subject.none.fl_str_mv Ingeniería
Detección de escorpiones
Fluorescencia
Aprendizaje profundo
Scorpion detection
Fluorescence
Deep learning
topic Ingeniería
Detección de escorpiones
Fluorescencia
Aprendizaje profundo
Scorpion detection
Fluorescence
Deep learning
dc.description.none.fl_txt_mv Los escorpiones tienen la capacidad de inocular veneno, que utilizan para matar a sus presas y ayudar a la pre digestión, es por ello que se los conoce como un grupo peligroso, si bien son pocas las especies en el mundo que pueden causar un accidente de gravedad al ser humano. La picadura se suele dar accidentalmente, debido a que estos arácnidos pican si son provocados o atacados, es decir, las personas son picadas por escorpiones cuando tienen un contacto involuntario con estos. Por lo tanto, la detección e identificación temprana es esencial para minimizar las picaduras de escorpión. Los escorpiones son animales de actividad nocturna y tienen una característica única que consiste en emitir fluorescencia cian al ser iluminados con luz ultravioleta (UV). En mi tesis doctoral, proponemos un novedoso sistema automático para la detección y reconocimiento de escorpiones utilizando enfoques de visión por computadora y aprendizaje automático. Se utilizaron dos técnicas de procesamiento de imágenes complementarias para el método de detección propuesto con el fin de detectar de manera precisa y confiable la presencia de escorpiones. El primero se basa en las características de fluorescencia de los escorpiones cuando se exponen a luz UV y el segundo en las características de la forma de los escorpiones. Por otro lado, se han comparado tres modelos basados ​​en algoritmos de aprendizaje automático para el reconocimiento de imágenes y clasificación de escorpiones. En particular, las tres especies de escorpiones que se encuentran en la ciudad de La Plata (Argentina): Bothriurus bonariensis (sin importancia sanitaria) y la confluencia de Tityus trivittatus y confluence (ambas de importancia sanitaria), han sido investigadas utilizando el algoritmo Histograma de Patrón Binario Local (LBPH) y redes neuronales profundas con enfoques de Transfer Learning (DNN con TL) y la técnica de aumento de datos (DNN con TL y DA). La matriz de confusión y la curva de la característica operativa del receptor (ROC) se utilizaron para evaluar la calidad de estos modelos. Los resultados obtenidos muestran que el modelo DNN con TL y DA es el modelo más eficiente para diferenciar simultáneamente entre Tityus y Bothriurus (para seguridad sanitaria) y entre Tityus trivittatus y Tityus confluence (para fines de investigación biológica). Otro sistema independiente que se está desarrollando, es la implementación de un sensor de color mono pixel para detectar la fluorescencia de los escorpiones con un microcontrolador. Para ello, también se implementó el uso de un sensor de distancia con el fin de aumentar la precisión de detección dado que el sensor de color es sensible a la distancia. Todo lo mencionado previamente se encuentra en su etapa de conclusión e integración entre las partes para tener un sistema completo y fiable para la detección y eventual clasificación de los escorpiones presentes ante el mismo.
Carrera: Doctorado en Ingeniería Tipo de beca: Doctoral Año de inicio de beca: 2020 Año de finalización de beca: 2025 Organismo: UNLP Apellido, Nombre del Director/a/e: Cappelletti, Marcelo Tipo de investigación: Aplicada
Facultad de Ingeniería
Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales
description Los escorpiones tienen la capacidad de inocular veneno, que utilizan para matar a sus presas y ayudar a la pre digestión, es por ello que se los conoce como un grupo peligroso, si bien son pocas las especies en el mundo que pueden causar un accidente de gravedad al ser humano. La picadura se suele dar accidentalmente, debido a que estos arácnidos pican si son provocados o atacados, es decir, las personas son picadas por escorpiones cuando tienen un contacto involuntario con estos. Por lo tanto, la detección e identificación temprana es esencial para minimizar las picaduras de escorpión. Los escorpiones son animales de actividad nocturna y tienen una característica única que consiste en emitir fluorescencia cian al ser iluminados con luz ultravioleta (UV). En mi tesis doctoral, proponemos un novedoso sistema automático para la detección y reconocimiento de escorpiones utilizando enfoques de visión por computadora y aprendizaje automático. Se utilizaron dos técnicas de procesamiento de imágenes complementarias para el método de detección propuesto con el fin de detectar de manera precisa y confiable la presencia de escorpiones. El primero se basa en las características de fluorescencia de los escorpiones cuando se exponen a luz UV y el segundo en las características de la forma de los escorpiones. Por otro lado, se han comparado tres modelos basados ​​en algoritmos de aprendizaje automático para el reconocimiento de imágenes y clasificación de escorpiones. En particular, las tres especies de escorpiones que se encuentran en la ciudad de La Plata (Argentina): Bothriurus bonariensis (sin importancia sanitaria) y la confluencia de Tityus trivittatus y confluence (ambas de importancia sanitaria), han sido investigadas utilizando el algoritmo Histograma de Patrón Binario Local (LBPH) y redes neuronales profundas con enfoques de Transfer Learning (DNN con TL) y la técnica de aumento de datos (DNN con TL y DA). La matriz de confusión y la curva de la característica operativa del receptor (ROC) se utilizaron para evaluar la calidad de estos modelos. Los resultados obtenidos muestran que el modelo DNN con TL y DA es el modelo más eficiente para diferenciar simultáneamente entre Tityus y Bothriurus (para seguridad sanitaria) y entre Tityus trivittatus y Tityus confluence (para fines de investigación biológica). Otro sistema independiente que se está desarrollando, es la implementación de un sensor de color mono pixel para detectar la fluorescencia de los escorpiones con un microcontrolador. Para ello, también se implementó el uso de un sensor de distancia con el fin de aumentar la precisión de detección dado que el sensor de color es sensible a la distancia. Todo lo mencionado previamente se encuentra en su etapa de conclusión e integración entre las partes para tener un sistema completo y fiable para la detección y eventual clasificación de los escorpiones presentes ante el mismo.
publishDate 2020
dc.date.none.fl_str_mv 2020-11-12
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/114115
url http://sedici.unlp.edu.ar/handle/10915/114115
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://congresos.unlp.edu.ar/ebec2020/francisco-luis-giambelluca
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv image/jpeg
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1846783380875640832
score 12.633361