Detección y clasificación automática de levaduras de cerveza para el análisis de viabilidad

Resumen

La viabilidad y vitalidad de la levadura Saccharomyces cerevisiae es crucial para la producción cervecera. El método tradicional para evaluar la viabilidad, el recuento manual con azul de metileno, es laborioso y propenso a variabilidad dependiendo el individuo que las cuente. Este trabajo aborda el desarrollo de un algoritmo para el conteo y clasificación automática de levaduras de cerveza a partir de imágenes de microscopio utilizando herramientas de inteligencia artificial, con el objetivo de optimizar la reutilización y el control de calidad del insumo para la industria. El sistema propuesto integra dos etapas principales: la detección de células se realiza mediante la red neuronal YOLO (You Only Look Once), mientras que la clasificación en vivas o muertas se lleva a cabo utilizando una Support Vector Machine (SVM) sobre histogramas del canal de saturación en el espacio de color HSV. Este enfoque combinado ofrece una solución robusta y automatizada para la cuantificación y clasificación de levaduras, reduciendo la variabilidad del análisis manual y optimizando el control de calidad en la producción cervecera. Las metodologías desarrolladas serían incorporadas a la aplicación Microbrew.AR.