Hand tremor is a symptom typically observed in patients with Parkinson's disease (PD). However, repetitive hand movements in healthy patients or non-PD conditions can also be confused with this symptom. In that sense, this work develops a systematic analysis for differentiating the types of tremors in reference using Machine Learning techniques and a tremor simulator mechanism equipped with inertial sensors that will provide the necessary dataset for such analysis. According to scientific literature, this mechanism is based on frequency analysis with a principal component of about 5 Hz. The results show that the best classification model is the random forest with favorable metrics such as an accuracy of 98.66% and an F1 score of 98.66 %. This will allow a classification of the nature of tremors for subsequent application in diagnosing PD, reducing complexity in the clinical analysis through data collection with inertial sensors and applying an optimized algorithm. In addition, it means a step forward in automating clinical procedures to benefit patients with this type of disease with symptomatological particularities” such as hand tremors.

Image segmentation enables accurate object identification, a key requirement in computer vision applications. In aquaculture, this technology is essential for monitoring and management of species such as Oncorhynchus mykiss. In the Peruvian highlands, where trout farming is a vital economic activity, robust computational models are needed to automate the estimation of fish size and weight and to optimize the sustainability of production systems. This research proposes ATrUNet, a U-Net-based architecture optimized for accurate segmentation of Oncorhynchus mykiss. ATrUNet improves the information flow between the encoding and decoding layers by incorporating convolutional layers, batch normalization, and activation functions. A dataset of 1166 images was constructed, processed using LabelMe with JSON annotations, and converted into binary masks. Evaluation was conducted using loss, accuracy, and IoU. As a result, ATrUNet showed higher performance than U-Net, achieving a 27.55% reduction in loss, a 0.40% increase in accuracy (0.992), and improvements in overlap metrics such as IoU and GIoU by 2.70% and 8.75%, respectively. Future work includes expanding dataset diversity, exploring instance segmentation, and optimizing for embedded deployment. This research contributes to the application of computer vision to aquaculture, with the possibility of extending it to different species and various research contexts.

La papa de descarte es un alimento muy consumido, el pardeamiento es el principal problema, la deshidratación es una de las principales técnicas para prolongar su vida útil mejorando su conservación y transporte. El objetivo de la investigación es evaluar el impacto de soluciones ácidas orgánicas sobre las propiedades colorimétricas, fisicoquímicas y rendimiento de la papa deshidratada. Los métodos aplicados se basan en la Inmersión en soluciones de ácidos orgánicos (cítrico, acético y ascórbico) a 3.5 de pH, precocinados por 5 minutos y deshidratado a 60°C por 8 horas según el tamaño de corte de las muestras analizadas. Los resultados fueron determinados por el diseño experimental de comparación entre grupos por mediana y varianza. Como parámetros ópticos de color en croma C* existen diferencias marginales según las soluciones aplicadas con (p=0.0698), la tonalidad tuvo efecto significativo de (p=0.024) según la solución, en cuanto a los parámetros Fisicoquímicos la solución no presenta efecto significativo, pero la variedad de papa si presenta significancia de (p<0.001) en todas las propiedades, los resultados de rendimiento muestran que existe un nivel de significancia según la variedad de papa, siendo el mejor Ajo Suito con más del 35 %. Se concluye que existe efecto marginal en la cromaticidad y efecto significativo por las soluciones ácidas en la tonalidad, dónde ácido acético a pH de 3.5. tuvo mejor efecto, para las propiedades Fisicoquímicas las soluciones ácidas no tuvieron efecto significativo, al evaluar el rendimiento fue significativo por la variedad de papa y no fue afectado por la aplicación de soluciones ácidas.