Please use this identifier to cite or link to this item: http://hdl.handle.net/10553/42006
Title: Diagnóstico automático de infestación por Nosemiasis en abejas melíferas mediante procesado de imágenes
Other Titles: Automatic diagnostic of Nosemiasis Infection on honey bee using image processing
Authors: Pablo Prendas-Rojas, Juan
Figueroa-Mata, Geovanni
Ramirez-Montero, Marianyela
Calderón-Fallas, Rafael Ángel
Ramírez-Bogantes, Melvin
Travieso González, Carlos Manuel 
UNESCO Clasification: 2401 Biología animal (zoología)
12 Matemáticas
Keywords: Nosema
Segmentación de imágenes
Conteo de objetos
Procesamiento de imágenes
Image segmentation
Object count
Image processing
Issue Date: 2018
Publisher: 0379-3982
Journal: Tecnologia En Marcha 
Abstract: Las abejas polinizan una gran variedad de especies de plantas, incluyendo los cultivos agrícolas. Se estima que cerca del 30% del alimento consumido por la población mundial es derivado de cultivos polinizados por abejas. La infestación por Nosemiasis es una de las principales causas de la pérdida de colmenas a nivel mundial. Los métodos de laboratorio para el diagnóstico del nivel de infestación por este microsporidio son lentos, caros y demandan la presencia de un experto. Se propone un sistema automático, confiable y económico de cuantificación de infestación por Nosema, a partir del procesamiento digital de imágenes. Con el uso de técnicas de segmentación de imágenes, caracterización de objetos y conteo de formas se han reproducido la técnican de Cantwell y Hemocitómetro de manera automática. Para el conteo de esporas se implementaron tres descriptores el tamaño, la excentricidad y la circularidad, de manera tal que son invariantes a la escala y rotación de las imágenes. Se trabajó con un total de 375 fotografías agrupadas en carpetas de 5, las cuales fueron previamente etiquetadas por un experto según el nivel de infestación (muy leve, leve, moderado, semifuerte y fuerte). Con ello se alcanzó un porcentaje de diagnóstico correcto de infestación del 84%.
Bees pollinate a wide variety of plant species, including agricultural crops. It is estimated that about 30% of the food consumed by the world population is derived from crops pollinated by bees. Nosemiasis infection is one of the leading causes of bee hive loss worldwide. The laboratory methods for the diagnosis of the level of infection by this microsporidium are slow, expensive and require the presence of an expert for spore count. It is proposed the creation of an automatic, reliable and economical system of quantification of Nosema infection from digital image processing. Using the techniques of image segmentation, object characterization and shape counting, the Cantwell and Hemocytometer techniques have been automatically reproduced. For the counting of spores, three descriptors were implemented: size, eccentricity and circularity, in such a way photographs grouped in folders of 5, which were previously labeled according to the level of infection (very mild, mild, moderate, semi-strong and strong). The correct diagnosis rate was 84%
URI: http://hdl.handle.net/10553/42006
ISSN: 0379-3982
DOI: 10.18845/tm.v31i2.3621
Source: Tecnología en Marcha [ISSN 0379-3982], v. 31 (2), p. 14-25
Appears in Collections:Artículos
Thumbnail
Adobe PDF (1,65 MB)
Show full item record

Page view(s)

62
checked on Feb 21, 2021

Download(s)

55
checked on Feb 21, 2021

Google ScholarTM

Check

Altmetric


Share



Export metadata



Items in accedaCRIS are protected by copyright, with all rights reserved, unless otherwise indicated.