Identificación de pólenes utilizando técnicas de visión por computador

[ES] En este trabajo se evalúa la viabilidad de un sistema automático de clasificación de pólenes en imágenes de miel obtenidas con microscopio basado en un modelo que usa como discriminantes atributos derivados del estudio del color y la textura. En primer lugar se establece cómo podría favorecer la Visión por Computador al campo de la Melisopalinología para solucionar las necesidades de clasificación de pólenes con unos niveles de garantía similares a los del criterio experto. Realizamos una serie de experimentos a partir de un conjunto de 12 imágenes con 138 pólenes identificados y clasificados de manera manual. En dichos experimentos se contempla la viabilidad de los descriptores suaves derivados del color y la textura como factores discriminantes de clasificación entre especies. Estos atributos se obtienen en tres espacios de color distintos: escala de grises, RGB y CIE LAB, siendo este último perceptualmente uniforme. Los resultados se evalúan de acuerdo a la tasa de aciertos del modelo, y se estudia detalladamente el comportamiento del modelo con respecto a las categorías más conflictivas. A continuación realizamos más experimentos utilizando atributos derivados de la matriz de co-ocurrencia de la textura de las imágenes, y se presentan las configuraciones que mejores resultados han dado para el conjunto de pólenes de los que disponemos. También aplicamos de forma análoga la extracción de atributos en el dominio de las frecuencias usando wavelets y analizamos sus patrones binarios locales, definiendo qué combinación de descriptores resulta más efectiva. Observando la evolución en la tasa de acierto de nuestro modelo, finalmente proponemos varios trabajos futuros para la continuidad del estudio