Registro:
| Documento: | Tesis de Grado |
| Título: | Efecto de la acetólisis en la clasificación automática de tipos polínicos apícolas |
| Título alternativo: | Effect of acetolysis on the automatic classification of bee pollen types |
| Autor: | Shammah, Ana Julieta |
| Editor: | Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales |
| Lugar de trabajo: | Universidad de Buenos Aires - CONICET. Instituto de Biodiversidad y Biología Experimental y Aplicada (IBBEA)
|
| Publicación en la web: | 2026-07-08 |
| Fecha de defensa: | 2025-08-22 |
| Fecha en portada: | Julio de 2025 |
| Grado Obtenido: | Grado |
| Título Obtenido: | Licenciado en Ciencias Biológicas |
| Departamento Docente: | Departamento de Biodiversidad y Biología Experimental |
| Director: | Sanguinetti, Agustín |
| Director Asistente: | Buemi, María Elena |
| Jurado: | Flaibani, Nicolás; Gambini, María Juliana; Arenas, Andrés |
| Idioma: | Español |
| Formato: | PDF |
| Handle: |
https://hdl.handle.net/20.500.12110/seminario_nBIO001832_Shammah |
| PDF: | https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nBIO001832_Shammah.pdf |
| Registro: | https://bibliotecadigital.exactas.uba.ar/collection/seminario/document/seminario_nBIO001832_Shammah |
| Ubicación: | BIO 001832 |
| Derechos de Acceso: | Esta obra puede ser leída, grabada y utilizada con fines de estudio, investigación y docencia. Es necesario el reconocimiento de autoría mediante la cita correspondiente. Shammah, Ana Julieta. (2025). Efecto de la acetólisis en la clasificación automática de tipos polínicos apícolas. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nBIO001832_Shammah |
Resumen:
Una de las herramientas de machine learning más eficientes en la clasificación de tipos polínicos son las redes neuronales convolucionales (RNC), las cuales deben ser entrenadas con datasets de muchas imágenes de los tipos a clasificar. Hasta la fecha nunca se evaluó el efecto de la acetólisis sobre la eficiencia clasificatoria de estas redes. Para abordar esta incógnita, se realizaron dos entrenamientos independientes a partir de una RNC preentrenada de uso habitual (ResNet18). Uno con un dataset de imágenes de muestras sin acetolizar y otro con imágenes de las mismas muestras acetolizadas. Estos datasets fueron confeccionados con imágenes de 14 tipos polínicos de plantas de uso apícola de Buenos Aires obtenidas al microscopio óptico de campo claro con una lente objetivo de aumento 10× y Na 0.25. Se desarrolló un algoritmo de segmentación para extraer de forma automatizada imágenes individuales de los granos de polen, obteniendo entre 100 y 1000 imágenes de entrenamiento por muestra. La validación fue realizada con imágenes de muestras no utilizadas en los entrenamientos de los mismos tipos polínicos y con el mismo tratamiento (sin o con acetolisis) al del entrenamiento. La exactitud (accuracy) de la RNC entrenada con granos sin acetolizar fue notablemente mayor a la de la red entrenada con granos acetolizados (90% vs. 81%). Al agrupar los tipos polínicos según su similitud morfológica, la exactitud aumentó a 96% y 85%, respectivamente. El análisis de la matriz de confusión indicó que solamente la RNC entrenada con muestras acetolizadas confundió tipos polínicos fácilmente discernibles entre sí por el ojo humano. Si bien hay mucho margen de mejora, estos resultados sugieren que la acetólisis puede afectar negativamente el rendimiento de las redes neuronales convolucionales en la clasificación automatizada de algunos tipos de polen, y que se puede lograr una clasificación accesible y eficaz con equipamiento de baja complejidad disponible en laboratorios convencionales.
Abstract:
Convolutional neural networks (CNN) are one of the most efficient machine learning tools for pollen type classification, and must be trained with datasets of many images of the types to be classified. To date, acetolysis’s effect on the classification efficiency of these networks has never been evaluated. To address this question, a commonly used pre-trained CNN (ResNet18) was trained in duplicate with a dataset of non-acetolysed samples and with an equivalent dataset of acetolysed samples, respectively. These datasets were made with images of 14 pollen types of melliferous plants from Buenos Aires obtained under a bright-field optical microscope with a 10× magnification objective lens and Na 0.25. For this purpose, a segmentation algorithm was developed to automatically extract individual images of pollen grains, obtaining between 100 and 1,000 training images per sample. Validation was performed with images of independent samples of the same pollen types and with the same training treatment. The accuracy of the CNN trained with non-acetolized grains was significantly higher than the CNN trained with acetolized grains (90% vs. 81%, respectively). When grouping pollen types according to their morphological similarity, accuracy increased to 96% and 85%, respectively. Analysis of the confusion matrix indicated that only the CNN trained with acetolyzed samples confused pollen types that are easily distinguishable to the human eye. While there is much room for improvement, these results suggest that acetolysis may negatively affect the performance of convolutional neural networks in automated classification of some pollen types, and that accessible and effective classification can be achieved with low-complexity equipment available in conventional laboratories.
Citación:
---------- APA ----------
Shammah, Ana Julieta. (2025). Efecto de la acetólisis en la clasificación automática de tipos polínicos apícolas. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nBIO001832_Shammah
---------- CHICAGO ----------
Shammah, Ana Julieta. "Efecto de la acetólisis en la clasificación automática de tipos polínicos apícolas". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2025.https://hdl.handle.net/20.500.12110/seminario_nBIO001832_Shammah
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nBIO001832_Shammah.pdf
Distrubución geográfica
