RESUMEN: El campo de la visión artificial ha tenido un gran impacto a nivel industrial en los últimos años y se ha convertido en una alternativa fundamental para una gran parte de procesos que requieran automatización. Las tareas repetitivas que normalmente realiza un operario tienden a ser ahora reemplazadas por las de una máquina o inteligencia artificial. Por lo tanto, las técnicas de visión artificial tales como el procesamiento digital de imágenes y video permiten brindar un soporte tecnológico confiable a procesos comúnmente manuales que presenten dificultades en su realización. Uno de esos procesos es la observación y evaluación de muestras seminales bajo un microscopio con el fin de analizar motilidad espermática individual en bovinos para el área de zootecnia y reproducción animal. Este procedimiento normalmente llevado a cabo por un técnico experto de forma manual presenta los inconvenientes de ser muy subjetivo, consumir largos periodos de tiempo y ser exhaustivo. En consecuencia, los resultados en el diagnóstico de fertilidad presentan poca repetitividad y poca confiabilidad. Los sistemas comerciales CASA, que son sistemas de visión por computadora semiautomáticos, tienen la capacidad de proveer una solución a este problema, sin embargo, presentan las desventajas de ser muy poco asequibles, altamente costosos y carecer de una estandarización adecuada. Por tanto, se convierte en una alternativa muy poco viable. Teniendo en cuenta esto, se propuso el diseño y desarrollo de una herramienta computacional que aporte al análisis de motilidad espermática con una precisión comparable a los sistemas CASA, pero con un costo sustancialmente bajo. Las técnicas de visión artificial implementadas fueron la detección de movimiento por modelos gaussianos adaptativos, la segmentación de cabezas de espermatozoides a través de un análisis discriminante lineal de Fisher, el filtrado de imágenes binarias por operadores morfológicos, la detección de centroides mediante un análisis de componentes conectados y la asignación de detecciones a trayectorias empleando el algoritmo de Munkres junto con el filtro de Kalman. Los resultados obtenidos evidencian un coeficiente de determinación del 0.8143 en la correlación del análisis de motilidad con respecto al análisis manual por parte de un experto. Finalmente, mediante la prueba de comprobación Bland-Altman no se encontró variabilidad significativa entre la medida de motilidad espermática por 16 parte del experto y la herramienta computacional implementada, los resultados obtenidos muestran las diferencias de la medida manual con respecto al algoritmo, con una relación de 0,966 en un intervalo de confianza del 95% de (3,058 – 3,19), indicando que las medidas fueron muy similares. De esta manera, la metodología propuesta contribuirá al análisis de motilidad espermática en bovinos y en consecuencia beneficiará al sector veterinario y ganadero de la región. ABSTRACT: Artificial vision has had a major impact on an industrial field in recent years and has become a major alternative for a lot of processes that require automation. Repetitive tasks normally performed by an operator tend to be now replaced by a machine or artificial intelligence. Therefore, artificial vision techniques such as digital image and video processing allow us to give a reliable technological support to manual processes that commonly present difficulties in implementation. One such process is the observation and evaluation of semen samples under a microscope in order to analyze single sperm motility in cattle for the area of animal husbandry and animal breeding. This procedure that is usually carried out manually by a skilled technician presents the drawbacks of being very subjective, consume long periods of time and be exhaustive. Consequently, the results in diagnosing fertility have low repetitiveness and low reliability. CASA commercial systems, that are semi-automatic computer vision systems, have the ability to provide a solution to this problem, however, they have the disadvantages of not being easily affordable, being highly expensive and lack adequate standardization. Therefore, it becomes a low viable alternative. Given this, it was proposed the design and development of a computational tool that provides analysis of sperm motility with an accuracy comparable to CASA systems, but at a substantially lower cost. The artificial vision techniques implemented were the motion detection by adaptive gaussian models, segmenting sperm heads through a linear discriminant analysis of Fisher, filtering binary images by morphological operators, detecting centroids by connected component analysis and assigning paths detections using Munkres algorithm along with the Kalman filter. The results show a coefficient of determination of 0.814 in the correlation of progressive motility analysis compared to manual analysis by an expert. Finally, through the verification test of Bland-Altman, no significant variability between the measurement of sperm motility by the expert and the designed computational tool was found, the results show the differences in manual measurement regarding to the algorithm with a ratio of 0,966 in a confidence interval of 95% (3.058 to 3.19), indicating that the measures were very similar. Thus, the proposed methodology will contribute to the analysis of sperm motility in cattle and thus benefit the veterinary and livestock sector in the region.Sede Fusagasugá