Diseño de un sistema de detección de cianobacteria en cuerpos de agua por medio de aprendizaje automático

Abstract

El trabajo de graduación propuesto consistió en el diseño y la implementación de un sistema de sensores que, junto con técnicas de aprendizaje automático, permitió estimar indirectamente la presencia de cianobacterias en cuerpos de agua. Para ello, se llevó a cabo una serie de mediciones in situ en el estanque del jardín botánico de la Universidad del Valle de Guatemala, donde se midieron parámetros fisicoquímicos como turbidez, temperatura, conductividad eléctrica, oxígeno disuelto y pH. Paralelamente, se emplearon datos históricos del lago de Amatitlán, obtenidos con autorización de instituciones como Ibagua, AMSA y CEA, los cuales incluyen registros de clorofila, utilizada como variable indicadora de proliferación de cianobacterias. La metodología integró técnicas de procesamiento de datos, selección de características relevantes y entrenamiento de modelos de aprendizaje automático, tales como regresión, redes neuronales, k-vecinos más cercanos y máquina de vectores de soporte. El modelo final se seleccionó con base en métricas de desempeño y validación cruzada como matrices de confusión y lógica difusa, evaluando su capacidad para predecir niveles de contaminación en el estanque a partir de los datos obtenidos por los sensores. Este enfoque buscó contribuir al monitoreo ambiental de cuerpos de agua con herramientas accesibles, replicables y basadas en inteligencia artificial, especialmente en contextos donde el monitoreo directo de microalgas resulta costoso o inaccesible.

The proposed graduation project consisted of the design and implementation of a sensor system that, together with machine learning techniques, allowed for the indirect estimation of cyanobacteria presence in water bodies. To achieve this, a series of in situ measurements were carried out in the pond of the Botanical Garden at Universidad del Valle de Guatemala, where physicochemical parameters such as turbidity, temperature, electrical conductivity, dissolved oxygen, and pH were measured. In parallel, historical data from Lake Amatitlán were used, obtained with authorization from institutions such as IBAGUA, AMSA, and CEA, which include chlorophyll records used as an indicator variable of cyanobacterial proliferation. The methodology integrated data processing techniques, selection of relevant features, and training of machine learning models such as regression, neural networks, k-nearest neighbors, and support vector machines. The final model was selected based on performance metrics and cross-validation, including confusion matrices and fuzzy logic, assessing its ability to predict pollution levels in the pond from the data obtained by the sensors. This approach aimed to contribute to environmental monitoring of water bodies using accessible, replicable, and artificial intelligence based tools, especially in contexts where direct monitoring of microalgae is costly or inaccessible.