RT info:eu-repo/semantics/article
T1 Adaptive Texture Description and Estimation of the Class Prior Probabilities for Seminal Quality Control
A1 González Castro, Víctor
A2 Ingenieria de Sistemas y Automatica
K1 Ingeniería de sistemas
K1 Producción animal
K1 Reconocimiento estadístico de patrones
K1 Aprendizaje automático
K1 Análisis de imágenes
K1 Aplicaciones informáticas
K1 Características y descriptores de imagen
AB La motivación de la tesis doctoral es que la evaluación de la calidad del semen es una tarea crucial en los procesos de inseminación artificial, tanto para los seres humanos como para los animales. La inseminación artificial animal permite a los agricultores ahorrar tiempo y dinero (por ejemplo, trabajar con un número limitado de animales). Compran muestras de semen a empresas dedicadas a su producción y comercialización, pero necesitan que estas muestras sean óptimas para la fertilización. Como resultado, los centros de producción de semen tienen que llevar a cabo rigurosos procedimientos de control de calidad para garantizar buenos estándares Una muestra de semen con una alta proporción de espermatozoides muertos, o de cabezas de esperma con acrosomas dañados tendrá un potencial de fertilización bajo. Por lo tanto, la vitalidad del esperma y la integridad acrosómica son dos de los parámetros evaluados por los veterinarios en los procesos de control de calidad del semen. Actualmente, ambos se evalúan manualmente, por medio de un proceso visual que implica un equipo costoso, como manchas y microscopios de fluorescencia. Además, pueden ser una fuente de errores, como cualquier proceso manual. El objetivo es desarrollar un sistema automático para estimar las proporciones de acrosomas dañados y muertos espermatozoide utilizando sólo un ordenador y una cámara digital conectada a un microscopio de contraste de fase, que es asequible por cualquier laboratorio. Las aportaciones realizadas en esta tesis doctoral en los campos de procesamiento de imágenes y el aprendizaje automático pueden ser útiles para este objetivo. Concretamente, para esta tarea se han evaluado varios enfoques de descripción de la textura. Además, un nuevo proceso de segmentación inteligente, una método de descripción de textura adaptable, y se han propuesto dos enfoques robustos para estimar las proporciones de clase de datasets sin etiquetar. Todos estos métodos se aplican a la estimación automática de la calidad del semen de jabalí.
PB Computer Vision Center Press
YR 2019
FD 2019-07-17
LK http://hdl.handle.net/10612/11058
UL http://hdl.handle.net/10612/11058
NO Electronic Letters on Computer Vision and Image Analysis, 2014, vol. 13. n. 2
NO pp. 19-21
DS BULERIA. Repositorio Institucional de la Universidad de León
RD 25-abr-2024