Clasificación de la calidad de semen de ganado vacuno criogenizado de acuerdo a sus características de movilidad, con fines reproductivos usando técnicas de procesamiento de imágenes.

Resumen

En la ganadería la inseminación artificial es uno de los métodos más efectivos al momento de reproducir su ganado, sin embargo, es un método costoso y que no es de una fácil realización por lo cual se busca garantizar que, los bovinos utilizados generen espermatozoides de calidad, con los cuales las probabilidades de fecundación sean mayores. Por lo tanto, se buscan métodos para que los productores tengan mejores herramientas para analizar muestras de semen de ganado bovino, e identificar si están cumpliendo con la calidad requerida para la inseminación, esto se traduce en beneficios tanto como para el productor, así como para la región.

En este artículo se presenta un sistema que, por medio de videos de imágenes microscópicas de muestras de semen de ganado bovino, se detecta a los espermatozoides presentes en la muestra para un posterior análisis del movimiento de cada uno de ellos, que permita determinar la calidad del semen, y en consecuencia sus probabilidades de fertilización. Este sistema está conformado por técnicas de visión artificial y máquinas de aprendizaje usando una red neuronal de tipo convolucional basada en una arquitectura U-Net, la cual segmenta los espermatozoides en las imágenes, tiene como propósito ofrecer alternativas a los sistemas CASA convencionales, que resultan poco accesibles para la mayoría de los productores especialmente a productores locales. también se busca comprobar que tan eficiente es la arquitectura U-Net trabajando con una cantidad limitada de imágenes de entrenamiento.