http://hdl.handle.net/20.500.11799/21992 Fri, 09 Oct 2026 08:58:46 GMT 2026-10-09T08:58:46Z http://hdl.handle.net/20.500.11799/144482 Hybrid Optimization of Wheat Yield Using Genetic Algorithms and Machine Learning With Phenotypic and Climatic Features Moreno Sánchez, Juan Carlos; Trueba Espinosa, Adrián; Ruiz Castilla, Sergio; Garcia Lamont, Farid Accurate wheat yield prediction is critical for global food security, yet existing forecasting models often struggle to balance high- dimensional genomic data with dynamic environmental variables. This study developed an automated framework based on genetic algorithms (GAs) to simultaneously optimize phenotypic selection, climatic feature engineering, and machine learning hyper-parameters. The framework was evaluated across two contrasting cultivation environments: irrigated (Mexico) and nonirrigated (Middle East). For the irrigated dataset, the model achieved a peak performance of coefcient of determination (R2) = 0.8363 and root mean squared error (RMSE) = 38.59, demonstrating that the proposed methodology is capable of predicting wheat yield with a R2 exceeding 0.80 under irrigated conditions. Meanwhile, in the nonirrigated environment, the system maintained robust predictive power with R2 = 0.6199 and RMSE = 721.67. To ensure the statistical reliability and reproducibility of these fndings, a bootstrapping validation (1000 iterations) was performed on the top-performing individuals. This process yielded narrow 95% confdence intervals, confrming that while the GA-optimized features provide higher stability in irrigated systems, the framework efectively captures genotype–environment interactions even under water-limited conditions. This dual-environment validation, underpinned by robust resampling techniques, demonstrates the scalability of the proposed soft computing approach for precision breeding across diverse agroclimatic zones. Artículo en revista científica indexada Mon, 29 Jun 2026 00:00:00 GMT http://hdl.handle.net/20.500.11799/144482 2026-06-29T00:00:00Z http://hdl.handle.net/20.500.11799/144481 Comparative Evaluation of Segmentation Techniques on Maize Seeds Campo Leal, Juan Augusto; Diaz Gaxiola, Eduardo; Lizarraga Sarabia, Alejandro; Cervantes Canales, Jair; Garcia Lamont, Farid; Vega Lopez, Ines Fernando; Yee Rendon, Arturo In this study, we performed a comparative analysis of various segmentation techniques on a dataset of digital images depicting maize seeds. The dataset includes categories representing different quality levels of seed batches, labeled as worst, bad, average, good, and excellent. The objective of this study was to identify the most accurate combination of segmentation techniques and color spaces for maize seed segmentation. To achieve this, we systematically compared various segmentation techniques, including Otsu, Watershed, and K-means clustering, across different color spaces such as RGB, HSV, and grayscale. We evaluated the performance of these combinations using metrics like Intersection over Union (IoU), Mean Square Error (MSE), Pixel Accuracy (PA), Kappa (k) coefficient, and F-1 Score in images from the Maize Seed dataset. The results showed that the K-means segmentation technique in the HSV color space yielded the best results across all evaluated metrics. In particular, using the IoU metric in the HSV color space, K-means achieved mean values of 0.98, 0.97, 0.95, 0.91, and 0.91 for the categories excellent, good, average, bad, and worst, respectively. Artículo en revista científica indexada Wed, 01 Jul 2026 00:00:00 GMT http://hdl.handle.net/20.500.11799/144481 2026-07-01T00:00:00Z http://hdl.handle.net/20.500.11799/144480 Tokenización en perfil humano digital para la identificación humana Ruiz Castilla, José Sergio; Luna Coria, Dalia Berenice; Garcia Lamont, Farid La identidad incluye nombre, edad, género, etc. Sin embargo, dichos datos son datos confidenciales y requieren protección. Es necesario identificar a personas en procesos judiciales o personas desaparecidas. Una persona tiene múltiples características físicas como color de ojos, piel y cabello. Además, tipo de: la frente, la nariz, la boca o los labios. Para este trabajo, se han se han determinado 256 características que incluyen la dentadura, la ropa, el calzado y accesorios. Para cada característica se crean categorías. Luego, se genera un vector de tokens. Al vector de tokens de características se le ha denominado Perfil Humano Digital representado como una matriz de valores enteros, hasta llegar a un patrón tipo QR. Se pretende que, dichos Perfiles se almacenen en un repositorio para proyectos futuros como identificación de personas ante procesos judiciales, búsqueda de personas desaparecidas e identificación de LGBTs (Lesbianas, gais, bisexuales y Trans) Artículo en revista científica indexada Mon, 18 May 2026 00:00:00 GMT http://hdl.handle.net/20.500.11799/144480 2026-05-18T00:00:00Z http://hdl.handle.net/20.500.11799/144479 Segmentación de leucocitos en imágenes del plasma sanguíneo utilizando información de la intensidad Borgonio Guerrero, Adrian La biométrica es una disciplina que emplea diferentes técnicas para medir o extraer parámetros de ciertas características de los seres vivos. Su utilización en la medicina por ejemplo, se podría utilizar para automatizar o facilitar ciertos procesos, gracias a la implementación de tecnologías que podrían usar los métodos o algoritmos que se utilizan para dichas tareas y colocarlo como en este trabajo en un programa. Para el conteo y clasificación de células blancas ,de aquí en adelante CB, un técnico en biometría extrae una muestra de plasma sanguíneo; aplica un reactivo a dicha muestra para que las CB se vuelvan visibles; esta muestra es analizada bajo microscopio, en donde el técnico cuenta y clasifica, manualmente, las CB contenidas en la muestra. Un sistema de visión artificial puede ser implementado para este problema de manera sencilla, usando algún algoritmo de tratamiento de imágenes para poder identificar las CB, pudiendo cumplir la función de conteo y clasificación de estas. Esto ahorra tiempo y esfuerzo puesto que ya no se haría manualmente, también siendo un algoritmo programado y dejando el código fuente de dicho programa como código abierto, puede ser modificado y mejorado siendo más eficiente o bajando el tiempo que tarda en realizar las tareas; modificandolo para las necesidades de quien lo utilice, pudiendo incluso personalizar ciertos parámetros que pudieran influir en un mejor desempeño o reacondicionamiento de alguna otra función. El método que se utilizara aquí, se acomoda muy bien a la problemática, que es el conteo y clasificación de CB, siguiendo el método manual que se realiza, donde el técnico aplica un reactivo para que las CB se vuelvan visibles, gracias a esto que da una distinción de las CB con respecto a las demás células donde dicha diferencia se puede manejar por medio de un método de umbralización donde dicho método hace distinción de los diferentes tonos de intensidad en una imagen, el método para segmentar que se acomoda a esta necesidad seria el método de Otsu. Tesis de Licenciatura en Ingeniería en Computación Fri, 25 Sep 2026 00:00:00 GMT http://hdl.handle.net/20.500.11799/144479 2026-09-25T00:00:00Z