Abstract This article aims to analyze the leading computer vision techniques and strategies used in designed systems to automatically identify arbuscular mycorrhizal fungi, addressing general aspects of mycorrhizae and their taxonomic classification. Mycorrhizae are symbiotic associations between plants' roots and certain fungi groups. They are characterized by great benefits to the surrounding soil, the plants, and the derived productive processes. The work was developed with a specialized information collection methodology based on specific search criteria, selecting relevant publications, in a time range between 2014 and 2021, in the Scopus, Scielo, Dialnet, and Google Scholar databases. The study's results revealed that fuzzy mathematical morphology is an essential technique in the segmentation of fungal spores. In general, the studies developed are based on a binary identification of the spores, where the Hough transform, and artificial neural networks are the combined techniques that report better results. This study concludes that it is possible to assist the identification process of mycorrhizal fungi from artificial vision techniques. It contributes by indicating a lack of information regarding non-binary classification systems, which are important and must be considered to support advanced classification processes, according to the number of families and genera reported in the literature.

Resumen El objetivo de este artículo fue analizar las principales técnicas y estrategias de visión artificial utilizadas en sistemas diseñados para la identificación automática de hongos formadores de micorrizas arbusculares, abordando aspectos generales de las micorrizas y su clasificación taxonómica. Las micorrizas son asociaciones simbióticas entre las raíces de las plantas y determinados grupos de hongos, se caracterizan por generar grandes beneficios al suelo circundante, a las plantas y a los procesos productivos derivados. El trabajo se desarrolló con una metodología de recolección de información especializada a partir de criterios de búsqueda específicos, seleccionando publicaciones relevantes, en un rango de tiempo entre el año 2014 y 2021, en las bases de datos de Scopus, Scielo, Dialnet y Google Académico. Los resultados del estudio revelaron que la morfología matemática difusa es una técnica importante en la segmentación de las esporas de hongos y, en general, los estudios desarrollados se basan en una identificación binaria de las esporas, donde la transformada de Hough y las redes neuronales artificiales son las técnicas combinadas que reportan mejores resultados. El presente estudio permitió concluir que es posible auxiliar el proceso de identificación de hongos formadores de micorrizas arbusculares a partir de técnicas de visión artificial, y contribuye indicando un vacío de información respecto de sistemas de clasificación no binaria, los cuales son importantes y se deben tener en cuenta para apoyar procesos de clasificación avanzados, de acuerdo con la cantidad de familias y géneros reportados en la literatura.

Este trabalho apresenta uma metodologia para modelar empiricamente o modo de transferência goticular projetada em processos de soldagem GMAW utilizando algoritmos de processamento de imagens digitais e a metodologia de superfície de resposta. Modelos correspondentes ao tamanho e à frequência de destacamento das gotas são obtidos em relação às entradas de tensão e velocidade de alimentação do arame. Os dados experimentais de tamanho e frequência de destacamento das gotas, com os quais foram desenvolvidos os modelos, foram calculados a partir de imagens de transferência metálica adquiridas com uma câmera de alta velocidade e a técnica de iluminação conhecida como perfilografia. As técnicas utilizadas na coleta dos dados e os modelos encontrados validaram a metodologia proposta por apresentar uma correta representação do modo de transferência. O empescoçamento produzido pelo efeito pinch se apresentou como um parâmetro adequado para rastrear a formação das gotas e calcular a sua frequência de destacamento.

This paper presents a methodology to get empirical models of projected spray transfer mode in GMAW processes. Digital image processing algorithms were used together with the surface response methodology. Droplet size and transfer rate models were obtained in relation to voltage and wire feed rate. To develop the models, experimental data collection of droplet size and transfer rate were calculated from metal transfer images acquired with a high-speed camera and backlighting illumination. The techniques for data collecting and the models constructed validated the proposed methodology presenting a correct transfer mode representation. The "neck-shrink" produced by the pinch effect proved to be an appropriate parameter to track and for calculating the droplets transfer rate.