Visualización y análisis espectroscópico de patógenos en agua, y su clasificación con algoritmos de machine learning

Abstract

Garantizar la seguridad y calidad de los recursos hídricos es fundamental, lo que requiere la clasificación rápida y precisa de posibles patógenos. Los métodos de detección convencionales son a menudo lentos, y obtener resultados precisos puede tomar varios días. Dada la necesidad crítica de respuestas rápidas para prevenir epidemias, la automatización en la clasificación de patógenos permite una detección oportuna, minimizando los tiempos de respuesta ante riesgos de contaminación. Este proyecto propone un enfoque integral para automatizar la identificación y clasificación de especies de cianobacterias utilizando sistemas avanzados de imagen y espectroscopía Raman. Mediante la utilización de técnicas como la iluminación de campo oscuro y la generación de espectros Raman de cultivos puros, el proyecto busca desarrollar modelos de clasificación automática implementables en dispositivos portátiles y de bajo costo

Ensuring the safety and quality of water resources is fundamental, requiring the rapid and precise classification of potential pathogens. Conventional detection methods are often slow, and obtaining accurate results can take several days. Given the critical need for quick responses to prevent epidemics, automating pathogen classification allows for timely detection, minimizing response times to contamination risks. This project proposes a comprehensive approach to automate the identification and classification of cyanobacteria species using advanced imaging systems and Raman spectroscopy. By utilizing techniques such as dark field illumination and generating Raman spectra from pure cultures, the project aims to develop automatic classification models implementable in low-cost, portable devices