Resumen Las abejas polinizan una gran variedad de especies de plantas, incluyendo los cultivos agrícolas. Se estima que cerca del 30% del alimento consumido por la población mundial es derivado de cultivos polinizados por abejas. La infección por Nosemiasis es una de las principales causas de la pérdida de colmenas a nivel mundial. Los métodos de laboratorio para el diagnóstico del nivel de infección por este microsporidio son lentos, caros y demandan la presencia de un experto. Se propone un sistema automático, confiable y económico de cuantificación de infección por Nosema, a partir del procesamiento digital de imágenes. Con el uso de técnicas de segmentación de imágenes, caracterización de objetos y conteo de formas se han reproducido las técnicas de Cantwell y Hemocitómetro de manera automática. Para el conteo de esporas se implementaron tres descriptores el tamaño, la excentricidad y la circularidad, de manera tal que son invariantes a la escala y rotación de las imágenes. Se trabajó con un total de 375 fotografías agrupadas en carpetas de 5, las cuales fueron previamente etiquetadas por un experto según el nivel de infección (muy leve, leve, moderado, semifuerte y fuerte). Con ello se alcanzó un porcentaje de diagnóstico correcto de infección del 84%.

Abstract Bees pollinate a wide variety of plant species, including agricultural crops. It is estimated that about 30% of the food consumed by the world population is derived from crops pollinated by bees. Nosemiasis infection is one of the leading causes of bee hive loss worldwide. The laboratory methods for the diagnosis of the level of infection by this microsporidium are slow, expensive and require the presence of an expert for spore count. It is proposed the creation of an automatic, reliable and economical system of quantification of Nosema infection from digital image processing. Using the techniques of image segmentation, object characterization and shape counting, the Cantwell and Hemocytometer techniques have been automatically reproduced. For the counting of spores, three descriptors were implemented: size, eccentricity and circularity, in such a way that they are invariant to the scale and rotation of the images. We worked with a total of 375 photographs grouped in folders of 5, which were previously labeled according to the level of infection (very mild, mild, moderate, semi-strong and strong). The correct diagnosis rate was 84%.

Resumen Se ha comprobado que la información morfométrica de un ala se puede usar para identificar la especie de algunos insectos, incluidas las abejas. En el presente trabajo se utiliza la información contenida en la fotografía de un ala para discriminar la especie de abejas nativas costarricenses sin aguijón. El método propuesto es un algoritmo discriminador basado en la clasificación de los descriptores SIFT de los puntos clave de la imagen del ala anterior derecha. Los especímenes usados en la investigación se recolectaron directamente de los nidos en diferentes zonas geográficas de Costa Rica y corresponden a 18 especies de 10 géneros. El algoritmo fue validado con 436 imágenes de alas con un resultado de 81% de éxito en la discriminación por género y de 76% a nivel de especie.

Abstract It has been found that morphological information contained in a wing can be used to identify the species of certain insects, including bees. This paper uses the information contained in the photograph of a wing to discriminate the specie of native stingless bees. A discriminator algorithm based on SIFT is proposed. Specimens used in the research were collected directly from the nests in different geographic areas of Costa Rica and correspond to 18 species of 10 genders. The proposed algorithm was validated with 436 images with 81% success in gender discrimination and 76% for the species.