Contagem de células somáticas em leite de búfalas usando um classificador fuzzy e técnicas de processamento de imagens

Abstract

A produção do leite de búfalas e seus derivados vem aumentando no Brasil e no mundo, juntamente com o aumento das exigências em relação ao seu padrão de qualidade. A mastite, doença inflamatória da glândula mamária (GM), é responsável por perdas qualitativas e quantitativas em relação ao leite produzido. A contagem de células somáticas (CCS) no leite é o principal biomarcador tanto para a detecção quanto para a avaliação da qualidade do leite. A CCS é determinada tradicionalmente por métodos trabalhosos que consistem na observação visual das células em esfregaços lácteos através do microscópio. Esta técnica tradicional é exaustiva e possui um inerente grau de subjetividade na medida em que está sujeita à interpretação humana em relação à identificação e reconhecimento das células. Este trabalho propõe e apresenta um método automático para a contagem das células somáticas (CCS) no leite de búfalas que compreende, entre outros, a aplicação de um método de agrupamento Fuzzy e técnicas de processamento de imagens. Ao contrário de outros trabalhos similares da literatura, o Fuzzy C-Means foi utilizado na etapa de préprocessamento das imagens e não na etapa de segmentação das mesmas. Esta abordagem viabilizou a separação das imagens (objetos) das células somáticas em leite de búfalas em grupos que apresentassem similaridades em relação à intensidade de cor, possibilitando uma melhor aplicação posterior das técnicas de processamento como a limiarização, segmentação e reconhecimento/interpretação das imagens de células somáticas. Três métodos de limiarização foram avaliados e comparados e a Transformada de Watershed foi utilizada para a separação de células bastante próximas, o que contribuiu para a correta identificação e contagem das mesmas. Por fim, realizou-se uma comparação entre os resultados obtidos pela contagem manual (técnica microscópica direta) e pelo método proposto neste trabalho. Foi utilizada uma prova estatística não-paramétrica (Kruskal Wallis) que comprovou a obtenção de resultados de contagens consistentes. Em relação ao método padrão empregado para a contagem das células somáticas do leite, a utilização do Fuzzy C-means no pré-processamento das imagens revelou ser uma alternativa potencial e eficiente para o agrupamento das imagens em grupos que apresentam similaridade na intensidade de cor, o que proporciona um melhor desempenho do processo de limiarização e consequentemente da contagem das células somáticas nas imagens.

Milk production of buffaloes and their derivatives has been increasing in Brazil and in the world, together with the increasing demands on its quality standard. Mastitis, inflammatory disease of the mammary gland (GM), is responsible for qualitative and quantitative losses in relation to the milk produced. The somatic cell count (CCS) in milk is the main biomarker for both detection and evaluation of milk quality. CCS is traditionally determined by laborious methods consisting of the visual observation of cells in milk smears through the microscope. This traditional technique is exhaustive and has an inherent degree of subjectivity in that it is subject to human interpretation in relation to the identification and recognition of cells. For this reason, this research proposes and presents an automatic method for counting somatic cells in buffalo milk which includes, among others, the application of a Fuzzy clustering method and image processing techniques. Unlike other similar works, the Fuzzy C-Means was used in the preprocessing stage of the images and not in the segmentation stage of the images. This approach enabled the separation of the somatic cell images (objects) present in buffalo milk in clusters that showed similarities in relation to the color intensity, allowing a better posterior application of processing techniques such as thresholding, segmentation and image recognition (interpretation of somatic cells). Three methods of thresholding were evaluated and compared, and the Watershed Transform was used to separate cells closely together, which contributed to the correct identification and counting of the same. Finally, a comparison was made between the results obtained by manual counting by the direct microscopic technique and by the method proposed in this work. A non-parametric statistical test (Kruskal Wallis) was used, which proved to obtain consistent counts results. The use of a Fuzzy C-means in the preprocessing of the images was a potential and efficient alternative for the clustering of images in clusters that show similarity in color intensity. which provides a better performance of the thresholding process and consequently the somatic cell count in the images.