Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial

Autores
Mareque, Lucas; Taurozzi, Nicolás; Cibeira, Joaquina; Santo Domingo, Alejandro Daniel; Rodríguez Colmeiro, Ramiro Germán
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El presente estudio aborda la segmentación e identificación de células mediante visión artificial en el contexto de la prueba de Allium cepa para el monitoreo de efluentes líquidos. Se propone un método de detección generalista basado en el modelo SAM (Segment Anything Model), complementado con algoritmos no supervisados para separar las regiones de ruido de las regiones con células, y posteriormente aplicar un clasificador para identificar las instancias celulares. El modelo fue evaluado utilizando imágenes proporcionadas por especialistas del Instituto Nacional del Agua, así como con un conjunto de validación externo, obteniendo exactitudes del ~96 % y ~95 %, respectivamente.
This study addresses the automation of cell segmentation and identification using computer vision techniques in the context of the Allium cepa test for monitoring liquid effluents. The implementation of a generalist detection method based on the model SAM (Segment Anything Model) is proposed, complemented by unsupervised algorithms to separate noise regions from cells, followed by the application of a classifier to identify cellular instances. The model's performance is evaluated using images provided by specialists from the National Water Institute, as well as with an independent external validation set, achieving accuracies of ~96% and ~95%, respectively.
Fil: Mareque, Lucas. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Taurozzi, Nicolás. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Cibeira, Joaquina. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Santo Domingo, Alejandro Daniel. Instituto Nacional del Agua. Laboratorio Experimental de Tecnologías Sustentables; Argentina.
Fil: Rodríguez Colmeiro, Ramiro Germán. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Peer Reviewed
Fuente
Proyecciones, Vol 23, Nº 2, 39-54. (2025)
Materia
Visión artificial
Aprendizaje no supervisado
Allium cepa
Medio ambiente
Ecotoxicología
Artificial vision
Not supervised learning
Allium cepa
Environment
Ecotoxicology
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-ShareAlike 4.0 International
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13861
Acceder
id RIAUTN_917a10a4d42847c489c158da9aac0575
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13861
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificialMareque, LucasTaurozzi, NicolásCibeira, JoaquinaSanto Domingo, Alejandro DanielRodríguez Colmeiro, Ramiro GermánVisión artificialAprendizaje no supervisadoAllium cepaMedio ambienteEcotoxicologíaArtificial visionNot supervised learningAllium cepaEnvironmentEcotoxicologyEl presente estudio aborda la segmentación e identificación de células mediante visión artificial en el contexto de la prueba de Allium cepa para el monitoreo de efluentes líquidos. Se propone un método de detección generalista basado en el modelo SAM (Segment Anything Model), complementado con algoritmos no supervisados para separar las regiones de ruido de las regiones con células, y posteriormente aplicar un clasificador para identificar las instancias celulares. El modelo fue evaluado utilizando imágenes proporcionadas por especialistas del Instituto Nacional del Agua, así como con un conjunto de validación externo, obteniendo exactitudes del ~96 % y ~95 %, respectivamente.This study addresses the automation of cell segmentation and identification using computer vision techniques in the context of the Allium cepa test for monitoring liquid effluents. The implementation of a generalist detection method based on the model SAM (Segment Anything Model) is proposed, complemented by unsupervised algorithms to separate noise regions from cells, followed by the application of a classifier to identify cellular instances. The model's performance is evaluated using images provided by specialists from the National Water Institute, as well as with an independent external validation set, achieving accuracies of ~96% and ~95%, respectively.Fil: Mareque, Lucas. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.Fil: Taurozzi, Nicolás. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.Fil: Cibeira, Joaquina. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.Fil: Santo Domingo, Alejandro Daniel. Instituto Nacional del Agua. Laboratorio Experimental de Tecnologías Sustentables; Argentina.Fil: Rodríguez Colmeiro, Ramiro Germán. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.Peer ReviewedFacultad Regional Buenos Aires2025-10-01T17:59:56Z2025-10-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articulopdfapplication/pdfProyecciones, Vol.23 Nº 21853-6352https://hdl.handle.net/20.500.12272/13861Proyecciones, Vol 23, Nº 2, 39-54. (2025)reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacionalspainfo:eu-repo/semantics/openAccessAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Lucas Mareque, Nicolás Taurozzi, Joaquina Cibeira, Alejandro Santo Domingo, Ramiro Germán Rodríguez ColmeiroLicencia Creative Commons Atribución- No Comercial2026-10-01T11:58:01Zoai:ria.utn.edu.ar:20.500.12272/13861instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:58:02.111Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
title Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
spellingShingle Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
Mareque, Lucas
Visión artificial
Aprendizaje no supervisado
Allium cepa
Medio ambiente
Ecotoxicología
Artificial vision
Not supervised learning
Allium cepa
Environment
Ecotoxicology
title_short Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
title_full Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
title_fullStr Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
title_full_unstemmed Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
title_sort Segmentación automática de células de Allium cepa por métodos no supervisados de visión artificial
dc.creator.none.fl_str_mv Mareque, Lucas
Taurozzi, Nicolás
Cibeira, Joaquina
Santo Domingo, Alejandro Daniel
Rodríguez Colmeiro, Ramiro Germán
author Mareque, Lucas
author_facet Mareque, Lucas
Taurozzi, Nicolás
Cibeira, Joaquina
Santo Domingo, Alejandro Daniel
Rodríguez Colmeiro, Ramiro Germán
author_role author
author2 Taurozzi, Nicolás
Cibeira, Joaquina
Santo Domingo, Alejandro Daniel
Rodríguez Colmeiro, Ramiro Germán
author2_role author
author
author
author
dc.subject.none.fl_str_mv Visión artificial
Aprendizaje no supervisado
Allium cepa
Medio ambiente
Ecotoxicología
Artificial vision
Not supervised learning
Allium cepa
Environment
Ecotoxicology
topic Visión artificial
Aprendizaje no supervisado
Allium cepa
Medio ambiente
Ecotoxicología
Artificial vision
Not supervised learning
Allium cepa
Environment
Ecotoxicology
dc.description.none.fl_txt_mv El presente estudio aborda la segmentación e identificación de células mediante visión artificial en el contexto de la prueba de Allium cepa para el monitoreo de efluentes líquidos. Se propone un método de detección generalista basado en el modelo SAM (Segment Anything Model), complementado con algoritmos no supervisados para separar las regiones de ruido de las regiones con células, y posteriormente aplicar un clasificador para identificar las instancias celulares. El modelo fue evaluado utilizando imágenes proporcionadas por especialistas del Instituto Nacional del Agua, así como con un conjunto de validación externo, obteniendo exactitudes del ~96 % y ~95 %, respectivamente.
This study addresses the automation of cell segmentation and identification using computer vision techniques in the context of the Allium cepa test for monitoring liquid effluents. The implementation of a generalist detection method based on the model SAM (Segment Anything Model) is proposed, complemented by unsupervised algorithms to separate noise regions from cells, followed by the application of a classifier to identify cellular instances. The model's performance is evaluated using images provided by specialists from the National Water Institute, as well as with an independent external validation set, achieving accuracies of ~96% and ~95%, respectively.
Fil: Mareque, Lucas. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Taurozzi, Nicolás. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Cibeira, Joaquina. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Fil: Santo Domingo, Alejandro Daniel. Instituto Nacional del Agua. Laboratorio Experimental de Tecnologías Sustentables; Argentina.
Fil: Rodríguez Colmeiro, Ramiro Germán. Universidad Tecnológica Nacional. Facultad Regional Buenos Aires. Grupo de Inteligencia Artificial y Robótica; Argentina.
Peer Reviewed
description El presente estudio aborda la segmentación e identificación de células mediante visión artificial en el contexto de la prueba de Allium cepa para el monitoreo de efluentes líquidos. Se propone un método de detección generalista basado en el modelo SAM (Segment Anything Model), complementado con algoritmos no supervisados para separar las regiones de ruido de las regiones con células, y posteriormente aplicar un clasificador para identificar las instancias celulares. El modelo fue evaluado utilizando imágenes proporcionadas por especialistas del Instituto Nacional del Agua, así como con un conjunto de validación externo, obteniendo exactitudes del ~96 % y ~95 %, respectivamente.
publishDate 2025
dc.date.none.fl_str_mv 2025-10-01T17:59:56Z
2025-10-01
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv Proyecciones, Vol.23 Nº 2
1853-6352
https://hdl.handle.net/20.500.12272/13861
identifier_str_mv Proyecciones, Vol.23 Nº 2
1853-6352
url https://hdl.handle.net/20.500.12272/13861
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Lucas Mareque, Nicolás Taurozzi, Joaquina Cibeira, Alejandro Santo Domingo, Ramiro Germán Rodríguez Colmeiro
Licencia Creative Commons Atribución- No Comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
http://creativecommons.org/licenses/by-nc-sa/4.0/
Lucas Mareque, Nicolás Taurozzi, Joaquina Cibeira, Alejandro Santo Domingo, Ramiro Germán Rodríguez Colmeiro
Licencia Creative Commons Atribución- No Comercial
dc.format.none.fl_str_mv pdf
application/pdf
dc.publisher.none.fl_str_mv Facultad Regional Buenos Aires
publisher.none.fl_str_mv Facultad Regional Buenos Aires
dc.source.none.fl_str_mv Proyecciones, Vol 23, Nº 2, 39-54. (2025)
reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862380544720896
score 13.365483

Publicaciones similares