Este trabajo aborda el desarrollo de un dispositivo portable de visión artificial destinado a la identificación y cuantificación in vitro deCryptosporidium spp. en muestras de agua. El propósito es proporcionar una herramienta aplicable en acuíferos insuficientemente caracterizados o con procesos de sanitización incompletos, como los métodos granulares de filtración comúnmente utilizados en áreas rurales, que representan el 71% del territorio nacional. Por ende, se llevó a cabo un proceso de ingeniería que parte del levantamiento de requerimientos para diseñar y construir un dispositivo portable capaz de alcanzar 1000 aumentos mediante un conjunto de lentes, sistemas mecánicos y eléctricos. Estos componentes permiten obtener una proyección clara de Cryptosporidium spp. mediante técnicas de microscopía, diseñadas para visualizar elementos en el rango de 0.2 a 0.8 μm con una resolución de máximo 1 mm en los ejes de movimiento. La herramienta desarrollada permite realizar un barrido de 30 campos al azar en una lámina porta muestras, que contenga una alícuota de 1 μL de agua filtrada con características específicas. Se utiliza una suspensión comercial de Cryptosporidium spp. para extraer características morfológicas y morfométricas del parásito, responsable de 143 muertes anuales a nivel nacional. Dada la dosis infecciosa de hasta 1(oo)quiste/mL, se implementa un código de visión artificial que, a través de 270 imágenes del microorganismo, identifica y cuantifica los (oo)quistes en las muestras de agua, resaltando su tamaño, color y forma mediante la tinción de Zielh Neelsen. Para validar el sistema, se empleó una matriz de confusión para medir la precisión, exactitud, sensibilidad y puntuación del algoritmo. Posteriormente, se compararon estos resultados con la prueba avalada por el Standard Methods for the Examination ofWater andWastewater, utilizada en laboratorios de salud pública a nivel nacional. El sistema exhibió una precisión muestral del 0.301 y una exactitud de 7.69, confirmando su fiabilidad, seguridad y facilidad de uso. Los resultados de detección y análisis de muestras se presentan de manera accesible en una aplicación móvil, proporcionando trazabilidad y facilitando la evaluación para el usuario. | Pontificia Universidad Javeriana | Bioingeniero | Pregrado | This work deals with the development of a portable artificial vision device for the in vitro identification and quantification of Cryptosporidium spp. in water samples. The purpose is to provide a tool applicable in aquifers insufficiently characterized or with incomplete sanitization processes, such as the granular filtration methods commonly used in rural areas, which represent 71% of the national territory. Therefore, an engineering process was carried out, starting with the survey of requirements to design and build a portable device capable of reaching 1000 magnifications by means of a set of lenses, mechanical and electrical systems. These components allow obtaining a clear projection of Cryptosporidium spp. by means of microscopy techniques, designed to visualize elements in the range of 0.2 to 0.8 μm with a maximum resolution of 1 mm in the movement axes. The developed tool allows a 30-field random sweep to be performed on a sample slide containing a 1 μL aliquot of filtered water with specific characteristics. A commercial suspension of Cryptosporidium spp. is used to extract morphological and morphometric characteristics of the parasite, responsible for 143 annual deaths nationwide. Given the infectious dose of up to 1(oo)cyst/mL, a computer vision code is implemented that, through 270 images of the microorganism, identifies and quantifies the (oo)cysts in the water samples, highlighting their size, color and shape by Zielh Neelsen staining. To validate the system, a confusion matrix was used to measure the precision, accuracy, sensitivity and score of the algorithm. These results were then compared with the test endorsed by the Standard Methods for the Examination of Water and Wastewater, used in public health laboratories nationwide. The system exhibited a sample precision of 0.301 and an accuracy of 7.69, confirming its reliability, safety and ease of use. Detection and sample analysis results are presented in an accessible way in a mobile application, providing traceability and facilitating evaluation for the user. spa