Diatoms are microscopic aquatic organisms characterized by having a cell wall composed of silicon that remains intact when processed with concentrated acids or other oxidizing agents to remove all organic matter. These are highly sensitive to changes in their environment, thus they can be used in ecological monitoring and paleoecological for detecting environmental changes on different timescales: days, hundreds, thousands or millions of years (Stoermer, 1999). Currently, the identification of diatoms is a manual work of skilled researchers in the field do. Several problems related to this activity can be identified: sometimes the differences between species are minimal so it is difficult to classify; a lot of time for the correct identification of diatoms is required; in addition, exist a wide variety of species and the number of researchers able to recognize them is limited. Therefore, it is important to look for new methodologies that facilitate this process. One solution to this problem is the use of computer algorithms to automatically identify these organisms. In this thesis we implemented and tested two algorithms for automatic identification of diatoms: nonlinear filters compounds and naive Bayes classifier trained with morphological characteristics of the leaflets. The images used to train the classifier samples were taken from Patzcuaro springs, particularly Ichupio spring (Almanza, 2014). The system was tested with five species of diatoms: Gomphonema mexicanum, Ulnaria goulardii, Rhoicosphenia abbreviata, Fragilaria capucina var. Vaucheriae, and Navicula sp. The system selects possible images of diatoms from a microscope image, the system operator must discard those that are not, and the system performs the classification. For the five species considered in this study, the system obtains a 90% effectiveness rating.
Las diatomeas son organismos microscópicos acuáticos caracterizados por tener una pared celular compuesta de sílice que se conserva intacta cuando se procesa con ácidos concentrados u otros agentes oxidantes para eliminar toda la materia orgánica. Por ser altamente sensibles a los cambios en su ambiente, estas pueden ser utilizadas en monitoreos ecológicos, paleoecológicos y para la detección de cambios ambientales en diferentes escalas de tiempo: días, cientos, miles o millones de años (Stoermer, 1999). Actualmente, la identificación de diatomeas es un trabajo manual realizado por investigadores expertos en el área. Varios problemas relacionados con esta actividad pueden ser identificados: en ocasiones, las diferencias entre especies son mínimas por lo que es difícil su clasificación; se requiere mucho tiempo para la identificación correcta de las diatomeas; además, existe una amplia variedad de especies y el número de investigadores capaces de reconocerlas es limitado. Por ello resulta importante buscar nuevas metodologías que faciliten este proceso. Una solución a este problema es el uso de algoritmos computacionales que permitan la identificación automática de estos organismos. En esta tesis se implementaron y probaron dos algoritmos para la identificación automática de diatomeas: filtros compuestos no lineales y un clasificador naive bayes entrenado con características morfológicas de las valvas. Las imágenes utilizadas para entrenar el clasificador fueron tomadas de muestras de manantiales de Pátzcuaro, particularmente del manantial de Ichupio (Almanza, 2014). El sistema se probó con cinco especies de diatomeas: Gomphonema mexicanum, Ulnaria goulardii, Rhoicosphenia abbreviata, Fragilaria capucina var. Vaucheriae y Navicula sp. A partir de una imagen de microscopio el sistema selecciona posibles imágenes de diatomeas, el operador del sistema descarta las que no son, y el sistema realiza la clasificación. Para las cinco especies consideradas en este estudio, el sistema obtiene un 90% de efectividad de clasificación.
