Desarrollo de un sistema inteligente basado en visión computacional para detectar bacterias escherichia coli en verduras frescas

Abstract

RESUMEN La resistencia a los antimicrobianos se está acentuando en muchos agentes infecciosos, pero se centra en la resistencia a los antibióticos en siete bacterias responsables de infecciones comunes graves, como la septicemia, la diarrea, la neumonía, las infecciones urinarias o la gonorrea. Los datos son muy preocupantes y demuestran la existencia de resistencia a los antibióticos, especialmente a los utilizados como último recurso, en todas las regiones del mundo. Entre los principales hallazgos destaca la bacteria llamada Escherichia Coli, ya que ésta ha dejado de ser una previsión para el futuro y está en todas las regiones del mundo, una enfermedad real que puede afectar a cualquier persona, por lo cual, la organización mundial de la salud expresó que para prevenir la infección hay que aplicar medidas de control en todas las etapas de la cadena alimentaria. Esta problemática nos conllevó evaluar el entorno internacional y nacional verificando que en el entorno internacional existes tecnología como el llamado “Riboprinter” que permite realizar el reconocimiento de baterías, a nivel nacional no existe tecnología similar que apoye la identificación de bacterias Escherichia Coli, esto nos brindó la posibilidad de explorar alternativas basadas en visión computacional. La presente tesis planteó como objetivo principal la creación de un sistema inteligente basado en visión computacional para detectar bacterias Escherichia Coli en verduras frescas. Para lo cual, este desarrollo se basó en las etapas del ciclo de vida en cascada, donde se diseñó una solución siguiendo técnicas de aprendizaje supervisado con redes neuronales convolucionales y técnicas de pre procesamiento de imágenes, lo que permitió obtener un mejor resultado. Después de haber desarrollado el sistema inteligente basado en visión computacional, los resultados obtenidos fueron una sensibilidad de 100%, una eficacia de 100% y una especificad de 100%. Analizando los resultados obtenidos se puede demostrar la hipótesis en la que se manifiesta que un sistema inteligente basado en de visión computacional detecta baterías Escherichia Coli en Verduras Frescas.

ABSTRACT Antimicrobial resistance is accentuated in many infectious agents, but it focuses on antibiotic resistance in seven bacteria responsible for common serious infections, such as septicemia, diarrhea, pneumonia, urinary tract infections, or gonorrhea. The data are very worrying and demonstrate the existence of resistance to antibiotics, especially those used as a last resort, in all regions of the world. Among the main findings is the bacterium called Escherichia Coli, since it has ceased to be a forecast for the future and is in all regions of the world, a real disease that can affect anyone, therefore, the global organization of health expressed that to prevent infection, control measures must be applied at all stages of the food chain.

This problem led us to evaluate the international and national environment verifying that in the international environment there is technology such as the so-called “Riboprinter“ that allows the recognition of batteries, at the national level there is no similar technology that supports the identification of Escherichia Coli bacteria. It offered the possibility of exploring alternatives based on computational vision.

This thesis proposed as the main objective the creation of an intelligent system based on computational vision to detect Escherichia Coli bacterium in fresh vegetables. For which, this development was based on the stages of the cascade life cycle, where a solution was designed following supervised learning techniques with convolutional neural networks and image pre-processing techniques, which allowed obtaining a better result. After having developed the intelligent system based on computational vision, the results obtained were a sensitivity of 100%, an efficiency of 100% and a specificity of 100%.

Analyzing the results obtained, we can demonstrate the hypothesis that an intelligent system based on computational vision detects Escherichia Coli batteries in Fresh Vegetables.