Desarrollo de algoritmos matemáticos para detectar la presencia de bacterias, hongos y plagas, utilizando sistemas de procesamiento de imágenes.

A nivel mundial, la preocupación por la seguridad alimentaria se ha convertido en un tema de gran relevancia. En respuesta a esta demanda han emergido los sistemas de procesamiento de imágenes hiperespectrales para la rápida detección de agentes peligrosos en los alimentos. Por lo anterior, este proyecto de investigación se desarrolló un nuevo algoritmo que conjuntamente se utilizó con una cámara hiperespectral PIKE F-210B, un espectrógrafo ImSpector V10E y un sistema de iluminación halógeno-tungsteno sin regulador para la detección con procesamiento de imágenes hiperespectrales de la bacteria Salmonella typhimurium en superficies de tomate dentro del rango espectral de 400–1000 nm. También, se generaron modelos Gaussianos para obtener áreas bajo la curva con integrales definidas, la cual proporciona un enfoque cuantitativo de cada una de las firmas espectrales. Entre la metodología utilizada se incluyó la aplicación de tres dosis (5, 10 y 15 ȝL) y una respuesta de control (0 ȝL) en la superficie de 20 frutos de tomate. Posteriormente, se observó que algunas firmas espectrales disminuyeron su amplitud máxima en las dosis más altas de Salmonella; además, esas firmas espectrales mostraron los valores numéricos más bajos. Y el análisis de varianza de un solo factor no mostró significancia debido a las dosis; sin embargo, se concluyó que el algoritmo proporciona una buena metodología para la detección de éste patógeno. En una segunda investigación se inocularon tres zonas de la superficie de tomate con dosis (5, 10 y 15 ȝL). y de las imágenes hiperespectrales obtenidas se realizó un análisis de componentes principales, donde la componente principal 1 agrupó el 99% de las firmas espectrales El desempeño del sistema de adquisición y procesamiento de imágenes hiperespectrales fue de 650 fotogramas en 5 minutos, confirmando la presencia de la bacteria. En una tercera investigación se desarrolló una plataforma giratoria y un algoritmo para que el sistema de imágenes hiperespectrales pudiera escanear y reconstruir todo el exocarpo de un fruto de tomate. El mecanismo de rotación y el algoritmo desarrollado pueden ser utilizados para futuras investigaciones dirigidas a la cuantificación del porcentaje total de daño por bacterias en la superficie del exocarpo de frutos de tomate. En un cuarto experimento acerca de las aplicaciones del procesamiento de imágenes hiperespectrales para identificar enfermedades, se eligió a Fusarium graminearum ya que tanto en México como en Canadá afecta la producción del cultivo de trigo. El hongo Fusarium provoca pérdidas económicas en ese cultivo y daños a la salud de las personas y animales, porque genera metabolitos secundarios conocidos como micotoxinas, dentro de las cuales la más mortífera es conocida como deoxinivalenol (DON). Actualmente, la detección del daño provocado por esta enfermedad es realizada de manera visual, y conlleva grandes desventajas debido a la naturaleza humana (fatiga durante la inspección, clasificaciones erróneas, tiempos elevados para grandes muestras). Como alternativa, los sistemas de imágenes hiperespectrales, en el espectro visible, surgen como una herramienta para solventar los problemas anteriores. En esta investigación se detectó éste patógeno sobre espigas de trigo sin trillar mediante el uso de análisis de componentes principales, así como el algoritmo conocido como mapeador de ángulo espectral y utilizando un sistema de procesamiento de imágenes hiperespectrales (cámara y un sistema de iluminación con regulador, Specim FX10). El error de clasificación fue menor al 10% para análisis de componentes principales, y 8.6% para el mapeador de ángulo espectral. En el quinto estudio de investigación se desarrolló un sistema de adquisición y procesamiento de imágenes para el conteo y la medición de la dispersión de áfidos de la caña de azúcar también conocidos como pulgones amarillos del sorgo. La infestación y la dispersión del pulgón amarillo causaron daños de entre el 30 y el 100% en la cosecha de sorgo en México. La infestación y la dispersión de este áfido están siendo cuantificadas por personas de manera visual; sin embargo, lleva un tiempo considerable y es una tarea tediosa, por lo cual, se realizó un algoritmo y un código que se ejecutó en la plataforma Imagen J para contar a las ninfas y adultos del pulgón amarillo en imágenes tomadas por un teléfono inteligente. El resultado obtenido con el programa de computadora fue de 267 pulgones en una hoja de sorgo, que fue la misma cantidad contada por la inspección visual de una persona. Además, el índice del vecino más cercano (0.3588) mostró un grado significativo de agrupamiento de los áfidos. Debido a la rápida propagación y reproducción de la plaga en diferentes áreas de México, es esencial utilizar tecnologías como la adquisición y el procesamiento de imágenes, así como la máquina de visión para ayudar a monitorear y acelerar el proceso de conteo. También es muy importante considerar en futuras investigaciones la liberación de una cantidad adecuada de insectos beneficiosos, como el Coccinellidae, debido a que pueden controlar la población del pulgón amarillo en el cultivo de sorgo, así como también el uso del procesamiento de imágenes hiperespectrales. 
\nABSTRACT
\nWorldwide, concern for food security has become a major issue. In response to this demand, hyperspectral imaging systems for the rapid detection of pathogens in food have emerged. Therefore, this research project developed a new algorithm that was jointly used with a hyperspectral camera PIKE F-210B, an ImSpector V10E spectrograph and a halogen-tungsten lighting system without a regulator and using hyperspectral imaging for detection of the Salmonella typhimurium bacteria on tomato surfaces within the spectral range of 400-1000 nm. Also, Gaussian models were generated to obtain areas under the curve with definite integrals, which provides a quantitative approach for each of the spectral signatures. Among the methodology used was the application of three doses (5, 10 and 15 ȝL) and a control response (0 ȝL) on the surface of 20 tomato fruits. Subsequently, it was observed that some spectral signatures decreased their maximum amplitude in the highest doses of Salmonella; In addition, these spectral signatures showed the lowest numerical values. And the analysis of variance of a single factor did not show significance due to the doses; however, it was concluded that the algorithm provides a good methodology for the detection of this pathogen. In a second research, three areas of the tomato surface were inoculated with doses (5, 10 and 15 ȝL). and from the hyperspectral images obtained, a principal components analysis was performed, where the main component 1 grouped 99% of the spectral signatures. The performance of the hyperspectral image acquisition and processing system was 650 frames in 5 minutes, confirming the presence of the bacteria. In a third investigation, a revolving platform and an algorithm were developed so that the hyperspectral imaging system could scan and reconstruct the entire exocarp of a tomato fruit. The mechanism of rotation and the algorithm developed can be used for future research aimed at quantifying the total percentage of damage by bacteria on the surface of the exocarp of tomato fruits. In a fourth experiment about the applications of hyperspectral image processing to identify diseases, Fusarium graminearum was selected since both in Mexico and in Canada it affects the production of the wheat crop. The fungus Fusarium causes economic losses in that crop and damages the health of people and animals, because it generates secondary metabolites known as mycotoxins, among which the deadliest is known as deoxynivalenol (DON). Currently, the detection of damage caused by this disease is performed visually, and involves great disadvantages due to human nature (fatigue during inspection, erroneous classifications, high times for large samples). As an alternative, hyperspectral imaging systems, in the visible spectrum, emerge as a tool to solve the above problems. In this research, this pathogen was detected on unthreshed wheat spikes through the use of principal component analysis, as well as the algorithm known as a spectral angle mapper and using a hyperspectral image processing system (camera and a lighting system with a regulator, Specim FX10). The classification error was less than 10% for principal component analysis, and 8.6% for the spectral angle mapper. In the fifth research study, an image acquisition and processing system was developed for counting and measuring the dispersion of sugarcane aphids also known as yellow sorghum aphids. The yellow aphid infestation and dispersion caused between 30 and 100% damage in the sorghum crop in Mexico. The infestation and dispersal of this aphid are being quantified by people in a visual way; However, it takes a considerable time and is a tedious task, so, an algorithm and a code was executed on the Image J platform to tell the nymphs and adults of the yellow aphid in images taken by a smartphone. The result obtained with the computer program was 267 aphids on a leaf of sorghum, which was the same amount counted by the visual inspection of a person. In addition, the nearest neighbor index (0.3588) showed a significant degree of grouping of aphids. Due to the rapid spread and reproduction of the pest in different areas of Mexico, it is essential to use technologies such as the acquisition and processing of images, as well as the vision machine to assist monitoring and rapid counting process. It is also very important to consider in future research the release of an adequate amount of beneficial insects, such as Coccinellidae, because they can control the yellow aphid population in sorghum culture, as well as the use of hyperspectral image processing.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.