Examinando por Materia "Inteligencia artificial"

Mostrando 1 - 20 de 54
  • Miniatura
    PublicaciónAcceso abierto
    Algoritmos genéticos aplicados al planeamiento de trayectorias de robots móviles. Modelado y simulación.
    (2011-10-13) González, Fabio Alfonso; Barrero Pérez, Jaime
    Este artículo propone la aplicación de los algoritmos genéticos como solución al problema del planeamiento de movimiento de robots móviles en un ambiente bidimensional sin incertidumbres sobre un modelo de robot móvil de tres ruedas con características que lo clasifican como un sistema no holonómico. Se demuestra la efectividad de la aplicación de una de las técnicas de la inteligencia artificial mas populares, en la solución de problemas propios de la robótica. Se evaluó el desempeño y validez de una herramienta computacional implementada y los modelos propuestos.
  • Miniatura
    PublicaciónAcceso abierto
    Alternaria
    (Universidad del Valle, 2025) Anaconas Navia, Daniela; CUELLAR ESPAÑA, DIANA PATRICIA
    Alternaria es un guion de largometraje que nace desde una motivación profundamente íntima: explorar la represión emocional y la tristeza como experiencias humanas con potencial político y transformador. Ambientada en un universo distópico donde llorar está prohibido, la historia sigue a Mar, una adolescente que se rebela ante un sistema que castiga la expresión de las emociones. A través de su recorrido, el proyecto reflexiona sobre la tristeza como un acto de resistencia y sobre el cuerpo femenino como territorio simbólico de control y liberación. El trabajo combina una investigación teórica sobre dramaturgia emocional, estética cinematográfica y narrativas distópicas, con una bitácora de creación que documenta el proceso de escritura y exploración con inteligencia artificial. Alternaria propone un cine que habita el cruce entre lo íntimo y lo político, lo sensible y lo simbólico, y que reivindica la emoción como una forma de pensamiento y emancipación.
  • Miniatura
    PublicaciónAcceso abierto
    Análisis comparativo de dos sistemas expertos para el apoyo diagn óstico veterinario en los caninos (ACODSEVEC)
    (Universidad del Valle, 2016) Cabrera Matabajoy, Carlos Andrés; Noreña Valencia, Christian David; Triana Madrid, Joshua David; Delgado Saavedra, Carlos Andrés
    ACODSEVEC está enfocado en dar un apoyo médico veterinario en el diagnóstico de algunas enfermedades en los caninos que se encuentran en las fundaciones, ya que estos no cuentan con un servicio oportuno de un especialista y ponen en riesgo la integridad y calidad de vida de los caninos. Por lo tanto, se dió solución a este problema por medio de un estudio, diseño, desarrollo, implementación, comparación y evaluación de dos sistemas expertos que se basan en estrategias de inteligencia artificial para buscar la solución más acertada en cuanto al diagnóstico de enfermedades de los caninos. Con respecto a lo anterior, se estudiaron las técnicas de Inteligencia Artificial Redes Neuronales Artificiales Backpropagation y Algoritmo de Clasificación de Documentos, se recolectaron y procesaron la información necesaria para entrenar y probar los algoritmos. Esta información está conformada por 463 historias clínicas sobre caninos, se determinaron 11 enfermedades y 122 a 140 síntomas. Se realizó 27000 pruebas para el algoritmo backpropagation y 100 para el algoritmo de Clasificación de Documentos, de las cuales se obtuvieron resultados en cuanto al porcentaje de aciertos superando el 70% de aciertos. Además, los resultados en tiempo de entrenamiento de los algoritmos tuvo un promedio, en el mejor de los casos, para la Backpropagation de 22.1 segundos y el algoritmo de Clasificación de Documentos de 0.128 segundos. Por lo anterior, se determinó que el algoritmo que mejor da resultado de acuerdo a las pruebas, es el algoritmo de Clasificación de Documentos, ya que su tiempo de entrenamiento es muy inferior al de la Backpropagation.
  • Miniatura
    PublicaciónAcceso abierto
    Análisis de la complejidad de los sistemas de producción de cacao (Theobroma) en el Tolima utilizando métodos de inteligencia artificial
    (Universidad del Valle, 2022) Mora-Herrera, Denys Yohana; Zuñiga Escobar, Orlando
    La incertidumbre, la complementariedad entre elementos y la no linealidad son características de los sistemas de producción de cacao y por tanto se definen como sistemas complejos. Esta investigación se propone modelar un índice de complejidad para los sistemas de producción de cacao utilizando herramientas de inteligencia artificial, específicamente lógica difusa y modelación basada en agentes, para las cuales es indispensable conocer cómo se configuran y cómo se comportan los sistemas de producción a fin de que la modelación y simulación retraten la realidad que en estos ocurre. En campo fueron georreferenciados los lotes del cultivo, se aplicaron encuestas y entrevistas estructuradas para recopilar información socioeconómica y de prácticas de beneficio, asimismo muestras de suelos y de grano seco fueron colectados para posteriormente enviarlos a análisis de laboratorio. Para el modelado de lógica difusa se empleó el software GeoFIS y para la modelación basada en agentes se usó Netlogo, ambas plataformas son de acceso libre. Los datos de 10 fincas se utilizaron para calibrar y ajustar el modelo que posteriormente fue validado con los datos de otras 20 fincas, todas ubicadas en tres municipios del Tolima en Colombia. Los resultados son fáciles de interpretar y consistentes con las observaciones de campo. Además, los resultados fueron validados con los productores de cacao que participaron en la investigación. Dado que las salidas intermedias de los modelos también son interpretables es posible identificar los factores que limitan la variable de salida final así como simular el comportamiento de los sistemas para evaluar estrategias de adaptación propuestas. Estos resultados pueden apoyar procesos de toma de decisiones para mejorar algunos componentes de los sistemas de producción a escala de finca, municipio o país.
  • Miniatura
    PublicaciónAcceso abierto
    Aplicación de downscaling estadístico a datos de temperatura y precipitación utilizando técnicas de inteligencia artificial caso de estudio : la cuenca del río Dagua, Valle del Cauca
    (Universidad del Valle, 2025) Granada Girón, Arturo Alexis; Rincon-Romero, Mauricio
    Este trabajo de grado dispone datos de las variables climáticas proyectadas de temperatura y precipitación que sean de utilidad para la modelación hidrológica en el grupo de investigación GISMODEL, a partir de la integración de los escenarios climáticos de los Modelos Circulación General (GCM) definidos en el IPCC6 (Grupo Intergubernamental para el Cambio Climático, 2015), usando técnicas de Inteligencia Artificial y herramientas geomáticas, a una resolución espacio-temporal más apropiada, debido a que la resolución de los MCG es bastante gruesa para la modelación a nivel local. Con base en el estado del arte tecnológico actual, se decide implementar una metodología basada en modelamiento con Redes Neuronales Artificiales (RNA) y evaluar su capacidad con técnicas de aprendizaje automático convencionales como la Regresión Lineal (RL), Random Forest (RF) y Regresión de Vectores de Soporte (RVS), con el objeto de comparar cuál de los modelos se adapta mejor a cada una de las variables de estudio. Así mismo se evalúa la precisión de cada modelo con datos reales observados, suministrados por mediciones de estaciones meteorológicas automáticas del IDEAM ("Unipacífico", "La Cumbre" y "Farallones"). El escenario objeto de la investigación es la costa pacífica del departamento del Valle del Cauca, con caso de estudio sobre la cuenca del río Dagua. El análisis cubre el periodo de 2015-2035 y se basa en los escenarios SSP1-19, SSP1-26 y SSP2-45, para la cual se generó información espacio-temporal de temperatura y precipitación a una resolución espacial de 0.1° (∼ 9 km) y resolución temporal horaria. Dado que los GCM presentan una menor resolución espacial y temporal, se emplearon los datos de ERA5-Land como referencia para el proceso de dowmscaling, permitiendo así una mayor fidelidad en la representación de las variaciones climáticas locales para el periodo 2024-2035. Entre los modelos evaluados, la arquitectura ConvLSTM2D demostró ser la que mejor representa las dependencias temporales y espaciales complejas en los datos climáticos. Los resultados obtenidos para la variable de temperatura muestran un coeficiente de determinación R2 = 0.972, un error cuadrático medio (ECM): 1.001 °C y un error absoluto medio (EAM): 0.733 °C, reflejando una alta precisión en las predicciones. Para la precipitación, el modelo alcanzó un R2 = 0.020, un RECM: 0.264 mm/h y un EAM: 0.150 mm/h, lo que indica desafíos adicionales en la representación a resolución horaria de esta variable, debido a la alta variabilidad en las precipitaciones en la región Pacífica del departamento. La información ambiental generada está a disposición del público, desplegada en la nube, para la consulta y descarga de datos de temperatura y precipitación en los diferentes futuros climáticos establecidos por el IPCC6, por medio de una plataforma digital de uso libre.
  • Miniatura
    PublicaciónAcceso abierto
    Aplicación de la tecnología de sistemas expertos en sistemas eléctricos de potencia.
    (2011-10-13) Abadía Narváez, José Antonio
    Este artículo presenta los siguientes puntos: Identificación de usos para Inteligencia Artificial (Sistemas Expertos) en Sistemas Eléctricos de Potencia como una nueva tecnología. - Un resumen de los problemas críticos encontrados hasta el momento en el desarrollo de sistemas expertos en sistemas eléctricos de potencia. Descripción de un prototipo de un diseño preliminar en esta área.
  • Miniatura
    PublicaciónAcceso abierto
    Una aproximación práctica a las redes neuronales artificiales.
    (2017-08-28) Caicedo Bravo, Eduardo Francisco; López Sotelo, Jesús Alfonso
    CONTENIDO: Generalidades sobre redes neuronales artificiales -- Redes neuronales perceptron y adaline -- Perceptron multicapa y algoritmo backpropagation -- Red neuronal de Hopfield -- Mapas auto-organizados de Kohonen -- Red neuronal de Base radial (RBF).
  • Miniatura
    PublicaciónAcceso abierto
    Autoselect-X – selección automática de equipos con IA
    (Universidad del Valle, 2025) Murcia Calderón, Víctor Anibal; Bucheli, Víctor
    AutoSelect-X (AI EngiQuote) es una aplicación web orientada al sector Oil & Gas en Colombia que automatiza la extracción de requisitos técnicos a partir de documentos PDF de ingeniería (Hoja de Datos – HD, Especificación Técnica – ET y Manual de Requisitos – MR) para soportar la selección y cotización preliminar de equipos industriales, inicialmente bombas dosificadoras para sistemas de inyección de químicos. La solución integra un backend en Python (FastAPI), una base de datos relacional (PostgreSQL) y un pipeline de procesamiento documental que combina extracción estructural, normalización de unidades y asistencia por modelos de lenguaje (LLM) mediante un enfoque de Recuperación Aumentada por Generación (RAG), con capacidad de trazabilidad hacia el documento fuente.
  • Miniatura
    PublicaciónAcceso abierto
    Avanza la Robótica en Colombia.
    (2011-10-13) Abadía Narváez, José Antonio
  • Miniatura
    PublicaciónAcceso abierto
    Caracterización espectral de la musica colombiana : vallenato y currulao
    (Universidad del Valle, 2025) Guerrero Caicedo, Katherine; Hurtado Campaz, Suranyi; Ojeda, César
    Este trabajo estudia la densidad espectral en señales musicales de los ritmos tradicionales Vallenato y Currulao de Colombia, empleando herramientas avanzadas de procesamiento de señales con el fin de identificar posibles patrones y estructuras en la densidad espectral. Se aplicaron técnicas como el método de Welch, utilizando periodogramas para identificar características espectrales clave y frecuencias dominantes en las composiciones de ambos ritmos. Los resultados espectrales permitieron clasificar las señales musicales y comprender las diferencias estructurales entre los dos géneros. Además, se implementaron máquinas de soporte vectorial (SVM) para realizar la clasificación de las canciones. Los resultados resaltan la utilidad del análisis espectral en la caracterización de géneros musicales.
  • Miniatura
    PublicaciónAcceso abierto
    Categorización de retinopatía diabética utilizando algoritmos de inteligencia artificial
    (Universidad del Valle, 2018) Ocampo Arbeláez, Héctor Fabio; Delgado Saavedra, Carlos Andrés
    El diagnóstico oportuno de una enfermedad es un proceso crítico, debido a que hay enfermedades de alto riesgo en las cuales un temprano diagnóstico es fundamental para evitar consecuencias irreversibles. Nuestro trabajo se enfoca en diseñar y probar estrategias para la categorización de la retinopatía diabética, a partir de información de imágenes procesadas de fondo de ojo con su respectivo diagnóstico. Esta enfermedad debe ser detectada en una etapa temprana, ya que de lo contrario el paciente presentará pérdida parcial o total de la visión, proceso gradual e irreversible. En diferentes estudios realizados se indica que el diagnóstico de un médico se ve afectado positivamente al estar apoyado de un sistema de decisión, lo que conlleva a una disminución de los exámenes realizados y así disminución de tiempo de espera. Para realizar la categorización de esta enfermedad, se utilizaron datos de imágenes de fondo de ojo procesadas, proporcionados por la base de datos Messidor y el proyecto An ensemble-based system for automatic screening of diabetic retinopathy . Así mismo, se realizó una exhaustiva revisión de literatura sobre algoritmos que se utilizan para el diagnóstico de la enfermedad, encontrando que los más relevantes son: Redes neuronales y Máquinas de Soporte Vectorial. Posteriormente, se llevó a cabo la implementación de tres algoritmos de inteligencia artificial para el diagnóstico de la enfermedad: Redes neuronales entrenadas con Backpropagation, Redes neuronales evolutivas y Máquina de soporte Vectorial. Al realizar un análisis comparativo de estos algoritmos, se encuentra que las redes neuronales entrenadas con Backpropagation son las que presentan mejores resultados en términos de precisión y tiempo de ejecución.
  • Miniatura
    PublicaciónAcceso abierto
    ChatGPT vs EFL pre-service and in-service teacher’s lesson planning
    (Universidad del Valle, 2025) Vallejo Moreno, Luisa María; Guapacha Chamorro, María Eugenia
    The increasing use of artificial intelligence (AI) and language models, such as OpenAI’s ChatGPT, has impacted educational settings, particularly language teaching. This research, emerging from a critical literature review, highlights the need to explore AI’s application in lesson planning, especially in second language teaching in a Colombian context. The study compared AI-generated lesson plans with those created by four EFL pre-service teachers and two in-service teachers and explored their perceptions of AI in lesson planning. Using a qualitative descriptive design, data was collected over six months through documentary analysis and interviews. The analysis included 21 lesson plans: ChatGPT (n = 3), pre-service teachers (n = 12), and in-service teachers (n = 6), using a checklist and documentary analysis to identify common and different patterns and structures in lesson planning (e.g., warmups, activities, assessments) and methodologies. The findings showed that the lesson plans created by pre-service teachers, in-service teachers, and ChatGPT shared a similar structure and components such as Context or lesson details, Objectives, Warm-up, Pre-task, Task, Post-task, Closure, Resources, Time, Evaluation, and Homework. As to methodologies, ChatGPT typically implements skills-based and PPP approaches, whereas teachers implement TBLT. Regarding teachers’ perceptions of AI in lesson planning, pre-service and in-service teachers recognized the benefits of AI in lesson planning, especially for efficiency and organization. However, teachers expressed concerns about AI’s lack of flexibility, personalization, and the risk of over-dependence. While pre-service teachers were more open to using AI, in-service teachers emphasized the need for human adaptability.
  • Miniatura
    PublicaciónAcceso abierto
    Las ciencias sociales y los dispositivos de la complejidad.
    (2014-02-21) Martinez Diaz, Rodrigo; Zapata Domínguez, Álvaro
    Se presenta una perspectiva de comparación entre los métodos cualitativos y cuantitativos tradicionales de la investigación y las potencialidades del nuevo paradigma del modelamiento y simulación para la investigación en ciencias sociales, sus diferentes métodos y herramientas. Se revisan los criterios de la simulación dinámica, de los autómatas celulares y los agentes y se esbozan las concepciones provenientes de la inteligencia artificial como la vida artificial, las sociedades artificiales y la cultura artificial, que conducen hacia una ciencia social computacional explicativa. El estudio se centra en el Modelamiento y Simulación Basado en Agentes (ABMS), como el dispositivo por excelencia que permite la comprensión y explicación de los fenómenos sociales, su emergencia, evolución y adaptación más que la predicción típica de los demás tipos de simulación. La metodología de los modelos ABMS se posiciona como laboratorio para modificar las condiciones de simulación de los fenómenos reales, y permite construir sociedades artificiales en donde es posible realizar experimentos impedidos por la moral, la ética y/o los costos en la vida real.
  • Miniatura
    PublicaciónAcceso abierto
    Contact map prediction based on cellular automata and protein folding trajectories
    (Universidad del Valle, 2019) Diaz Mariño, Nestor Milciades; Tisher, Irene
    In Structural Bioinformatics, it is necessary to know the protein¿s tertiary structure because its specific shape is central in its interaction with binding molecules. Being experimental tertiary structure determination a highly expensive process, computational protein structure prediction becomes an alternative option aimed toward cost and technical limitations reduction. In the last decade, residue-residue protein contact prediction (PCP) has taken broad consideration. Currently, PCP has become a common subtask of computational structure prediction. Residue-residue interactions can constraint the space of possible protein conformations, improving protein structure determination. Despite the recent improvements in PCP, the high rate of false positive predicted contacts hinders the applicability of existing PCP tools. To reduce the false positive rate in PCP, we developed a novel approach based on celular automata (CAs), which determines residue-residue contacts that are likely to be actual contacts. Our approach exploits the local interactions found in protein contact maps and the iterative refinement provided by CAs. Our CAs were identified using a parallel genetic algorithm which used for training the PSICOV data set (150 proteins). To benchmark our approach, we used the CASP12 data set (Critical Assessment of Techniques for Structure Prediction, year 2016). Our best CA outperformed the ten PCP tools compared in the benchmark. However, a more detailed analysis using non-parametric Friedman¿s statistical test revealed that our tool does not excel the performance of prominent PCP tools such as MetaPSICOV and RaptorX-Contact. Although our CA-based approach for PCP was successful, the precision for long-range contacts (sequence separation > 24 amino acids) was hard to improve. To enrich local interactions, we proposed a multiclass contact map representation that can improve long-range PCP. Our multiclass contact map was obtained using a large-scale comparison of decision trees. The next step to follow is to reformulate our CA-based approach to incorporate multiclass contacts and repeat the overall process to obtain a new PCP tool
  • Miniatura
    PublicaciónAcceso abierto
    Creación de módulos interactivos para el desarrollo continuo de la oratoria y el pensamiento crítico en el prototipo de enseñanza de habilidades blandas
    (Universidad del Valle, 2025) Moreno Alfonso, Juan David; Triana Madrid, Joshua David
    Con frecuencia, se observa que la importancia de ciertas habilidades es pasada por alto en los programas de formación, a pesar de su relevancia en el mercado laboral actual y futuro. La comunicación efectiva y el pensamiento crítico constituyen pilares importantes para que los ingenieros puedan abordar los desafíos venideros y ofrecer soluciones de calidad a sus clientes. El descuido de estas habilidades en la formación de ingenieros puede ocasionar consecuencias negativas tanto en su desempeño profesional como en el éxito de los proyectos que emprendan. Este proyecto se centró en crear y poner en marcha módulos interactivos para el desarrollo de habilidades de oratoria y pensamiento crítico dirigidos específicamente a los estudiantes de ingeniería de sistemas de la Universidad del Valle en Tuluá. Se implementaron estrategias educativas que incluyen el uso de inteligencia artificial y procesamiento de lenguaje natural para proporcionar retroalimentación personalizada a los estudiantes. Al impulsar el desarrollo de estas habilidades, las instituciones educativas pudieron contribuir de manera significativa a la formación de profesionales versátiles y capacitados que estuvieran mejor preparados para enfrentar los desafíos venideros con mayor confianza y competencia.
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de aplicativo web para el pronóstico de ventas futuras utilizando modelos predictivos
    (Universidad del Valle, 2025) Bedoya López, Joann Esteban; Ocampo Arbeláez, Héctor Fabio
    Se aborda el desarrollo de un aplicativo de software para el pronóstico de ventas utilizando algoritmos de inteligencia artificial. El problema evidenciado es la carencia de una herramienta que permita a las pequeñas y medianas empresas (PYMES) tomar mejores decisiones de manera informada para la gestión de su inventario ya que para una empresa tener una buena gestión del inventario es crucial ya que las ventas pueden fluctuar de una manera poco predecible lo que puede llevar a pérdidas eco nómicas por tener poco o demasiado inventario. Las pequeñas empresas, pueden enfrentar más dificultades en la gestión del inventario, lo cual puede resultar poco eficiente debido a que suelen realizar esta gestión de manera manual y sin un estudio previo. El objetivo principal de este trabajo de grado es crear una herramienta capaz de generar pronósticos de ventas precisos a partir de datos históricos, integrando modelos predictivos entrenados con técnicas de machine learning. Para ello, se implementaron y evaluaron tres modelos distintos: una red neuronal LSTM (Long Short-Term Memory), un modelo de soporte vectorial para regresión (SVM) con distintos kernels, y un modelo estadístico SARIMA (Seasonal Autoregressive Integrated Moving Average). Las métricas utilizadas para evaluar el desempeño de los modelos fueron el Error Cuadrático Medio (MSE), el Error Absoluto Medio (MAE) y el Error Porcentual Absoluto Medio (MAPE). El proyecto fue desarrollado bajo la metodología ágil Scrum, adaptada para un entorno de trabajo individual
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de un prototipo de aplicación de entrenamiento para entrevistas laborales, dirigido tanto a la teoría como a la práctica
    (Universidad del Valle, 2025) Cuero Ocoro, Nilson Andrés; Pérez Bastidas, Sebastián; Askar Rodríguez, Migue Ángel
    Se expone el desarrollo de un prototipo de aplicación de entrenamiento para entrevistas laborales, que también será nombrado en este documento como InterviewSim, una aplicación web diseñada para simular entrevistas técnicas mediante la integración de inteligencia artificial. Su propósito principal es servir como herramienta de preparación para estudiantes de Ingeniería de Sistemas o áreas afines, permitiéndoles fortalecer sus habilidades técnicas y mejorar su desempeño en procesos de selección reales. Se aborda de manera estructurada todas las fases del proceso de desarrollo: desde el planteamiento del problema y los objetivos, hasta la implementación técnica, pruebas y análisis de resultados. Se detalla el diseño del sistema basado en una arquitectura cliente-servidor, donde el frontend fue implementado con React, el backend con Node.js y Express, y la base de datos con MongoDB. Además, se explica la integración de la API de OpenAI, encargada de generar preguntas, respuestas y retroalimentación personalizada según el nivel de dificultad y el tipo de entrevista. Finalmente, el documento presenta los resultados de las pruebas de usabilidad y funcionalidad, aplicadas a 20 usuarios, junto con su respectivo análisis estadístico y cualitativo. Los datos obtenidos evidencian una alta aceptación del sistema, destacando la facilidad de uso, la claridad de la interfaz y la utilidad de la retroalimentación automática como elementos diferenciadores del proyecto.
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de una herramienta para identificar la presencia de baches en vías asfálticas, utilizando técnicas de percepción remota e inteligencia artificial
    (Universidad del Valle, 2025) Caicedo Guarama, María del Pilar; Hernández, Francisco Luis
    Los baches constituyen una de las patologías más comunes y estudiadas del pavimento a nivel mundial, afectando la seguridad, los costos de transporte y la calidad de vida en países como Estados Unidos, Reino Unido, India y Japón (Koch & Brilakis, 2011; HemaMalini et al., 2021; Chitale et al., 2020). La aparición de estas fallas, asociadas a procesos de infiltración de agua, fatiga del pavimento y tráfico pesado, ha impulsado el desarrollo de sistemas automatizados de inspección basados en visión por computador y aprendizaje profundo. En este contexto global, Colombia no es la excepción, presentando un deterioro vial significativo y afectaciones recurrentes para los usuarios (Gil, 2023; INVIAS, 2022). Por lo anterior, teniendo en cuenta el crecimiento de las tecnologías y el aumento de investigaciones relacionadas con la inteligencia artificial, machine Learning y Deep Learning enfocadas a la detección de objetos; se propone el desarrollo de una aplicación web llamada GeoBach para el reconocimiento de baches en vías asfálticas por medio del uso de modelos de redes neuronales convolucionales (CNN). El objetivo de esta aplicación web es facilitar el proceso de inspección visual para la detección de baches en pavimentos asfálticos a través de la toma de fotografías con VANT; así mismo permite llevar un registro de estos con coordenadas donde fueron capturadas las imágenes, con el conteo de baches, medidas en metros y con la capacidad de descargar la información por medio de un archivo de tipo CSV. Para el desarrollo de este trabajo, se hizo uso de React que permitió desarrollar el frontend de la aplicación de la mano con el principio DRY (Don’t Repeat Yourself); el backend se construyó con Python y FastAPI, facilitando la gestión de solicitudes por parte del usuario. La aplicación resultante llamada GeoBach se encuentra conectada con un modelo de detección de YOLOV7 Tiny resultante de un proceso de doble entrenamiento, el primer modelo se entrenó con un dataset más robusto en comparación con el segundo que fue utilizado con el propósito de ajustar el modelo a características más específicas; finalmente como resultado se obtuvo un mAP @0.5 del 70.7%, una recuperación (recall) de 69.7% y una precisión del 70.17%.
  • Miniatura
    PublicaciónAcceso abierto
    Desarrollo de una herramienta para la automatización de puntos craneometricos en volumetría craneofacial : un estudio piloto
    (Universidad del Valle, 2024) Ortiz Zambrano, Marly Yanet; Aristizabal, Juan Fernando
    Localizar manualmente los puntos de referencia craneométricos es un proceso lento, que requiere mucho tiempo y es propenso a errores. Usando la inteligencia artificial (IA), el aprendizaje automático, y la técnica de registro de imágenes es posible obtener la automatización de puntos de referencia en la volumetría 3D. Objetivo: Desarrollar una herramienta para la automatización de puntos craneométricos a partir del registro de imágenes proporcionadas por la tomografía computarizada cone beam. Método del estudio: Estudio piloto que parte del registro de imágenes DICOM de un conjunto de tomografías computarizadas cone beam (CBCT) llevadas a un proceso de transformación para la creación de un template y posterior identificación y ubicación automática de puntos craneométricos. Resultados: Para evaluar la concordancia entre el método manual y el automatizado, se utilizó el coeficiente de correlación intraclase (CCI). El CCI para la coordenada X fue alto, mostrando una excelente concordancia en la mayoría de los puntos. El CCI para la coordenada Y fue muy similar a la coordenada X, con valores de CCI altos. La coordenada Z muestra valores altos de concordancia, aunque algunos puntos presentaron valores de CCI muy bajos como fosa izquierda, canino superior izquierdo, infraorbitario izquierdo, condilium derecho e izquierdo, y base mandibular derecha e izquierda, lo que sugiere alta variabilidad en la automatización para esta cordenada. Conclusiones: En este estudio piloto, se logro desarrollar el modelo inicial para la automatización de puntos craneométricos en volumetria 3D. La mayoría de puntos craneométricos mostraron una excelente concordancia entre las coordenadas X y Y registradas de forma manual y automatizada en el modelo. Respecto a la coordenada Z, aunque mostró alta concordancia en varios puntos, algunos de ellos mostraron valores muy bajos de concordancia. Lo que sugiere la necesidad de aplicar un ajuste o refinamiento al modelo, optimizando la alineación y correspondencia para mejorar la concordancia de esos puntos en la coordenada Z.
  • Miniatura
    PublicaciónAcceso abierto
    Detección temprana de fallas en redes de energía eléctrica a partir de variables meteorológicas
    (Universidad del Valle, 2025) Ruiz Ruiz, Sebastián; Alfonso-Morales, Wilfredo
    En este trabajo de grado se exploran e implementan modelos de inteligencia artificial, específicamente técnicas de Deep Learning, con el propósito de desarrollar un sistema de detección temprana de fallas en redes eléctricas, con resolución horaria, utilizando variables meteorológicas en el noroeste de Inglaterra. Se plantea una metodología para el desarrollo e implementación de un modelo para la detección fallas basado en clasificadores con variables exógenas. Inicialmente, se realizó una revisión bibliográfica de técnicas y modelos relevantes, a partir de la cual se definió la arquitectura del modelo y el tratamiento de los datos. Este último incluyó la recopilación de variables meteorológicas horarias asociadas a fallas, el preprocesamiento de datos y la visualización de correlaciones entre variables. Se definió una arquitectura basada en redes LSTM para procesar las series temporales y detectar fallas ocasionadas por eventos meteorológicos con una resolución temporal en horas. Con el fin de evaluar su desempeño en la predicción anticipada, se estableció un esquema de etiquetado que desplaza las etiquetas de falla una y dos horas antes del evento real, generando así tres escenarios de clasificación: t = 0 (momento de la falla), t − 1 (una hora antes) y t − 2 (dos horas antes). La base de datos se dividió en conjuntos de entrenamiento, validación y prueba. Asimismo, se utilizó la herramienta WandB para la optimización de hiperparámetros y el seguimiento del rendimiento de los modelos. Los resultados mostraron un desempeño consistente: para t = 0, se obtuvo una exactitud de 0.8338, F1-score de 0.8342, precisión de 0.8357 y Recall de 0.8327; para t = −1, una exactitud de 0.8320, F1-score de 0.8377, precisión de 0.8132 y Recall de 0.8638; y para t = −2, una exactitud de 0.8261, F1-score de 0.8343, precisión de 0.7996 y Recall de 0.8721. Para contextualizar el desempeño del modelo propuesto, se compararon sus resultados con los reportados en [1], aplicado en un contexto similar y que alcanzó valores de 0.929, 0.865, 0.843 y 0.889 respectivamente. Los resultados obtenidos en este trabajo reflejan las particularidades del modelo propuesto. Estas particularidades incluyen un enfoque centrado en la detección anticipada de fallas hasta dos horas antes del evento real, el uso de un esquema de etiquetado desplazado y una configuración que prioriza la sensibilidad del modelo, aun a costa de una mayor tasa de falsos positivos.