1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Chihuahua
4. Instituto Tecnológico de Chihuahua
5. Tesis de Maestría
6. Maestría en Ciencias en Ingeniería Electrónica

Title:	MÉTODO DE APRENDIZAJE DE MÁQUINA EMBEBIDO BASADO EN REDES AUTOENCODER PARA DETECCIÓN DE MICROORGANISMOS
Authors:	SALAZAR GONZÁLEZ, EDGAR ALEJANDRO
metadata.dc.subject.other:	MÉTODO DE APRENDIZAJE DE MÁQUINA EMBEBIDO BASADO EN REDES AUTOENCODER PARA DETECCIÓN DE MICROORGANISMOS
Issue Date:	2026-01-01
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Chihuahua
Description:	La microbiología es una ciencia que desempeña un papel vital en el diagnóstico de enfermedades mediante el análisis de bacterias, levaduras y protozoos. Una técnica esencial para la microbiología es el conteo de microorganismos en cultivos ya que permite detectar y evaluar la presencia de agentes infecciosos. Esto es fundamental para el seguimiento de enfermedades, monitoreo de la carga microbiana en muestras biológicas, evaluar la respuesta al tratamiento, garantizar una recuperación efectiva e investigación ya que probar nuevos agentes antimicrobianos y técnicas de desinfección requiere el conteo de microorganismos. Una herramienta que se ha utilizado exitosamente en el campo de la microbiología es la inteligencia artificial, en particular las redes neuronales tipo autoencoders, ya que permiten la detección y conteo conciso de microorganismos en muestras microscópicas. Basándose en estos argumentos, en esta tesis se propone una arquitectura de red totalmente convolucional para facilitar el análisis de imágenes y por medio de una estructura tipo autoencoder para la codificación y decodificación, resaltando bacterias y levaduras en cultivos microscópicos utilizados para cuantificar grupos de microorganismos patógenos tomados por medio de imágenes digitales. Los experimentos se hicieron en la base de datos llamada "Imágenes Reales de Bacterias y Levaduras" (BYRI en inglés) presentada en esta tesis, se compone de 3 clases: Escherichia Coli, Staphylococous Aureus y Candida Albicans. La base de datos tiene cerca de 500 imágenes por clase generadas por la Universidad Autónoma de Chihuahua (UACh). La red propuesta se denominó Red de Conteo de Microrganismos (M-Net), que tiene 575 parámetros y una exactitud del 95% en el conteo de microrganismos. M-Net se implementó en un sistema GPU embebido NVIDIA Jetson TX2 donde los recursos son limitados en comparación de una computadora de escritorio, la red propuesta como se mencionó anteriormente cuenta con un número reducido de parámetros, esto se traduce en un bajo coste computacional, este modelo podría implementarse en un sistema de visión en microscopio facilitando la identificación y seguimiento de microorganismos, estructuras subcelulares y otros elementos importantes y todo por medio de hardware discreto.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	Maestría en Ciencias en Ingeniería Electrónica

This item is protected by original copyright View License

This item is licensed under a Creative Commons License