Diseño de un algoritmo computacional de identificación de Macroinvertebrados basados en parámetros de taxonomía

Description: El objetivo del presente trabajo fue diseñar un algoritmo computacional de identificación de macroinvertebrados que utilice parámetros morfométricos extraídos de las imágenes basado en la inteligencia artificial. Por la problemática que presenta la identificación y extracción de las características morfométricas mediante el método de inspección visual, se aplicó el método automatizado del Histograma de Gradientes Orientados (HOG) para la extracción de las características. Se probaron varios algoritmos de Machine Learning y técnicas de Deep Learning con dos sets de datos, el primero contenía 504 observaciones, siendo una cantidad pequeña ya que para la aplicación de estos algoritmos es necesario una base de datos extensa, entre más datos se tenga mejor es el entrenamiento y el rendimiento de los algoritmos, el segundo, para lograr los resultados esperados se incrementó artificialmente la base de datos mediante el método de Image Data Generator en Keras a 2242 observaciones. Como resultado de esta experimentación se determinó que el modelo de clasificación más adecuado para el caso es el clasificador Random Forest con la aplicación del método automatizado de extracción de características HOG por su Accuracy/precisión del 100%.
Tesis

Topic: ALGORITMOS COMPUTACIONALES
CARACTERÍSTICAS MORFOMÉTRICAS
HISTOGRAMA DE GRADIENTES ORIENTADOS
BIOINDICADORES
MACROINVERTEBRADOS
RANDOMFOREST