Identificación de abejas sin aguijón (Apidae Meliponini) a partir de la clasificación de los descriptores SIFT de una imagen del ala derecha anterior

• Autores: Geovanni Figueroa Mata, Juan Pablo Prendas Rojas, Melvin Ramírez Bogantes, Ingrid Aguilar Monge, Eduardo Herrera, Carlos Manuel Travieso González
• Localización: Tecnología en Marcha, ISSN 0379-3982, ISSN-e 2215-3241, Vol. 29, Nº. Extra 7 (Número Especial), 2016 (Ejemplar dedicado a: Número Especial Matemática Aplicada), págs. 51-63
• Idioma: español
• Títulos paralelos:
  • Identification of stingless bees beginning from the classification of SIFT descriptors of an image of the right forewing
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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. 

  • English

    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.