Las cámaras de seguridad y los sistemas de videovigilancia se han convertido en infraestructuras sumamente importantes para garantizar la seguridad de los ciudadanos. Sin embargo, el problema de inseguridad sigue en crecimiento debido en gran parte al fácil acceso a armas de fuego tipo pistola, la detección temprana de este tipo de armas es de suma importancia para ayudar a prevenir accidentes. El objetivo de este trabajo es implementar un sistema de visión estereoscópica que sea capaz de detectar en tiempo real este tipo de objetos con alta confianza ademas de lograr definir la distancia a la que se encuentra dicho objeto. Para dicha detección se implementó una arquitectura de redes neuronales convolucionales (CNN) con un algoritmo tipo YOLO, empleando aprendizaje transferido, junto con un algoritmo para la estimación estereoscópica de la distancia. El sistema presentado funciona con un valor de Intersección sobre unión (IoU) de 0.6 en el cual el se logró una precisión de 92.2 % además, el error promedio detectado en la estimación de distancia hasta un máximo de 3 metros es de 9.3 centimetros.
11 September 2023 in Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI
La agricultura en México enfrenta importantes desafíos en el área del agua. Una alternativa para enfrentar este problema es la implementación de técnicas agrícolas modernas que permitan métodos de agricultura de precisión en invernaderos que puedan producir durante todas las estaciones del año y con un uso más eficiente del agua. Para ello son necesarios sistemas inteligentes que permitan monitorear y controlar los recursos para el crecimiento de las plantas de acuerdo a las condiciones que presenten. Este artículo describe el diseño y entrenamiento de una red neuronal convolucional (CNN) para detectar el grado de deshidratación de plantas de lechuga romana a través de imágenes. Los experimentos muestran una precisión y sensibilidad del modelo del 83% en la identificación del nivel de deshidratación y del 98,8% en ambas métricas, considerando una tolerancia de más/menos un nivel de diferencia con respecto al real.
5 October 2022 in Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI
La conservación de ecosistemas en zonas costeras debe contemplarse dentro de un marco sustentable con las actividades antropogénicas. Es relevante cuantificar el impacto que generan agentes externos, por lo que el objetivo de este trabajo es implementar un método para el monitoreo de la degradación en superficie de playa y vegetación litoral adyacente. Fueron recabadas capturas de imágenes aéreas de zonas costeras protegidas, obtenidas periódicamente mediante un vehículo drone. Se integró un dataset que contempla todas las fases estacionales y distingue 5 clases para su monitoreo: Mangle, vegetación rastrera, arena, mar y cerro-planicie. Para la segmentación semántica se implementaron y compararon distintas arquitecturas de redes neuronales convolucionales (CNN) empleando aprendizaje transferido. Los resultados han sido robustos en la clasificación, alcanzando una precisión global del 93.9% y entre 89.9-95.8% en las clases individuales. En la métrica Intersección sobre Unión, IoU, el rango fue entre 86.6-92.7%. En la detección de cambio son utilizadas series temporales para el monitoreo de clases. Este método ha sido aplicado al caso de estudio de la playa Ensenada Grande en el Parque Nacional Archipiélago Espíritu Santo.
This article presents the control of a mobile robot for the recognition and collection of plastic bottles applying artificial intelligence techniques. The robot was equipped with a mechanical arm with six degrees of freedom, on which two video cameras were mounted, so that the vertical movement of the arm allows changing the orientation of the cameras. In this way, it is possible to locate nearby and distant bottles, and not lose sight of them while the robot moves towards them. To recognize the bottles, a convolutional neural network was trained. To approach the bottles and collect them, a diffuse system was designed. The results show an accuracy of 95.3% in the recognition of the bottles and 87% in the approximation and collection process, with an average time of 43 seconds.
5 October 2022 in Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI
En este proyecto, se presenta un sistema de reconocimiento y clasificación de objetos que se encuentran en su entorno, para un robot de asistencia, así como la estimación de la posición relativa de estos con respecto al robot. Para el reconocimiento y clasificación de los objetos, se aplicaron técnicas de visión artificial basadas en herramientas de segmentación semántica, como son redes neuronales convolucionales. Para la estimación de la posición relativa de los objetos, una vez identificados, se implementó una técnica de visión estereoscópica. Los resultados de los experimentos muestran un 90.6% de precisión en el reconocimiento y clasificación, y un error medio de 5 cm al estimar la posición relativa de los objetos.
5 October 2022 in Pädi Boletín Científico de Ciencias Básicas e Ingenierías del ICBI
En este trabajo, se propone el diseño y construcción de un prototipo de robot autónomo para el reconocimiento de botellas de plástico, aplicando una estrategia de segmentación semántica, a través de redes neuronales convolucionales. Así mismo, se propone el diseño de un sistema de navegación basado en lógica difusa, para lograr que el robot se aproxime a las botellas identificadas. Los experimentos se realizaron en un ambiente controlado, alcanzando un 96.6% de precisión en las pruebas de reconocimiento, mientras que en las pruebas de navegación, el robot alcanzó en todos los casos la posición de las botellas identificadas.