Clasificación automatizada de las etapas de crecimiento en cultivos de microalgas mediante análisis de imágenes RGB y redes neuronales en un fotobiorreactor inteligente
DOI:
https://doi.org/10.26507/paper.4585Palabras clave:
Industria 4.0, Fotobiorreactor, Redes neuronales, MicroalgasResumen
Este estudio presenta un sistema automatizado para clasificar las etapas de crecimiento en cultivos de Chlorella vulgaris mediante análisis de imágenes RGB y redes neuronales artificiales (ANN) en un fotobiorreactor inteligente. La metodología integra la captura de imágenes en tiempo real con sensores ambientales (pH, temperatura e intensidad lumínica) para extraer características discriminativas (valores RGBI, densidad celular). Un modelo ANN multicapa, optimizado con activación ReLU, regularización dropout y el optimizador Adam, alcanzó una precisión promedio de 0.995 ± 0.001 en 40 experimentos, con métricas consistentes de precisión, recall y F1-score. Técnicas como SMOTE para balanceo de clases y validación cruzada k-fold aseguraron robustez. Un análisis de componentes principales (PCA) confirmó la separabilidad lineal entre las fases de crecimiento (retardo, exponencial y estacionaria). Los resultados muestran su potencial para el monitoreo automatizado y escalable de microalgas. Futuras investigaciones podrían adaptar este enfoque a otras especies o condiciones ambientales dinámicas.
Citas
Sundaram, K., Sikhakolli, S., Deshpande, A., Chinnadurai, S., & Rajendran, K. (2024). Machine Learning Assisted Image Analysis for Microalgae Prediction. ACS ES&T Engineering. https://doi.org/10.1021/acsestengg.4c00598
Yadav, D. P., Jalal, A. S., Garlapati, D., Hossain, K., Goyal, A., & Pant, G. (2020). Deep learning-based ResNeXt model in phycological studies for future. Algal Research-Biomass Biofuels and Bioproducts, 50, 102018. https://doi.org/10.1016/J.ALGAL.2020.102018
Xu, L., Xu, L., Chen, Y., Zhang, Y., & Yang, J. (2022). Accurate Classification of Algae Using Deep Convolutional Neural Network with a Small Database. ACS ES&T Water, 2(11), 1921–1928. https://doi.org/10.1021/acsestwater.1c00466
Bombela Jiménez, S. P., Lino Ramírez, C., Gutiérrez Hernández, D. A., Zamudio Rodríguez, V. M., & Casillas Araiza, M. Á. (2019). Red Neuronal Artificial para la Clasificación y Predicción de la Calidad del Aire. *Programación Matemática y Software, 11*(2), 57-66. https://doi.org/10.30973/progmat/2019.11.2/7
S. N., E. D., M. F., G., & M. Q., A. (2018). ESTIMACIÓN DE LA DENSIDAD DE CULTIVOS DE MICROALGAS MEDIANTE EL TRATAMIENTO DIGITAL DE IMÁGENES. Pistas Educativas, 130(04-2016-120613261600-203).https://pistaseducativas.celaya.tecnm.mx/index.php/pistas/article/download/1816/1487
Brzychczyk, B., Giełżecki, J., Kijanowski, K., Hebda, T., & Rzepka, F. (2023). Automation of the Photobioreactor Lighting System to Manage Light Distribution in Microalgae Cultures. Energies. https://doi.org/10.3390/en16207183
Pardeshi, R., & Deshmukh, P. D. (2019). Classification of Microscopic Algae: An Observational Study with AlexNet (pp. 309–316). Springer, Singapore. https://doi.org/10.1007/978-981-15-2475-2_29
Ramos Ledesma, D. A., Gutiérrez Hernández, D. A., Zamudio Rodríguez, V. M., Lino Ramírez, C., & Estrada Tolentino, K. (2024). Extracción de características de señales biológicas longitudinales por medio de reconocimiento de patrones. Encuentro Internacional De Educación En Ingeniería. https://doi.org/10.26507/paper.3897
Gómez Díaz, M. S., Gutiérrez Hernández, D. A. ., & Casillas Rodríguez, F. J. (2022). Análisis y caracterización de la función cerebral por medio de Pupilometría, estímulos flash LED y Electroencefalografía. Encuentro Internacional De Educación En Ingeniería. https://doi.org/10.26507/paper.2219
López Muñoz, M. L., Gutiérrez Hernández, D. A., Zamudio Rodríguez, V. M., & Lino Ramírez, C. (2024). Reconocimiento y parametrización de estomas de muérdago en imágenes de microscopía en RGB. Encuentro Internacional De Educación En Ingeniería. https://doi.org/10.26507/paper.3900
Gutiérrez Ramírez, J. J., Gutiérrez Hernández, D. A., Zamudio Rodríguez, V. M., Lino Ramírez, C., & Uribe López, U. (2024). Caracterización y control dinámico del crecimiento de Chlorella Vulgaris en fotobiorreactores utilizando redes neuronales. Encuentro Internacional De Educación En Ingeniería. https://doi.org/10.26507/paper.3762
Correa, I., Drews, P., da Costa Botelho, S. S., de Souza, M. S., & Tavano, V. M. (2017). Deep Learning for Microalgae Classification. International Conference on Machine Learning and Applications, 20–25. https://doi.org/10.1109/ICMLA.2017.0-183
Aquino, A. U., Bautista, Ma. V. L., Diaz, C. H., Valenzuela, I., & Dadios, E. P. (2018). A Vision-Based Closed Spirulina (A. Platensis) Cultivation System with Growth Monitoring using Artificial Neural Network. International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management. https://doi.org/10.1109/HNICEM.2018.8666367
Zhuo, W., Zi’ang, X., Dayong, Z., & Jilong, L. (2017). Microalgae culture optimized control system and method.
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
