Examinando por Materia "Visión artificial"
Mostrando 1 - 15 de 15
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Aplicación móvil para detección de fatiga a partir de videos del rostro de una persona, en el espectro visible(Universidad del Valle, 2024) Villota Quintero, Víctor; Nope Rodríguez, Sandra Esperanza; Restrepo Girón, Andrés DavidEste documento presenta el desarrollo de una aplicación móvil capaz de detectar fatiga en las personas y dar una alerta en tiempo real, mediante el uso de técnicas de visión artificial. Inicialmente se hace una recopilación de las señales fisiológicas que se manifiestan en el rostro humano y escogiendo las más relevantes, para ser cuantificadas usando procesamiento de imágenes. Adicionalmente se hace una exploración de algoritmos y métodos que pueden emplearse para detectarlas, teniendo en cuenta las limitaciones de procesamiento que presenta el dispositivo. El estudio también presenta un protocolo de pruebas, realizado a un grupo de 5 personas, que considera variaciones de iluminación, inclinación de cámara y cambios de fondo para determinar las condiciones necesarias para las cuales el aplicativo presenta su mejor funcionamiento. Finalmente, se diseña un método para determinar la presencia de fatiga, realizando una prueba final, en la cual, se simula el estado de fatiga para cada individuo del grupo de prueba, con ayuda de indicadores en la pantalla del dispositivo y verificando así, la precisión del sistema implementado en el móvil.Publicación Acceso abierto Aplicativo móvil para el reconocimiento de medicamentos usando visión artificial para apoyar el proceso de inventarios(Universidad del Valle, 2025) Montaño Cely, Edwar Stiven; Bacca Cortes, Eval Bladimir; Loaiza-Correa, HumbertoEl desarrollo de una aplicación móvil para el reconocimiento de medicamentos surge como una respuesta a la necesidad de mejorar la gestión de inventarios en farmacias aumentando la precisión en la distribución y almacenamiento de medicamentos. El proyecto se enfoca inicialmente en diez medicamentos seleccionados por su alto volumen de ventas y relevancia en el tratamiento de condiciones comunes en Colombia. Para implementar esta solución, se utilizó un modelo YOLO versión 8, adaptado para ejecutarse en TensorFlow lite, lo cual permite su uso en una amplia gama de dispositivos móviles. La recopilación y preparación de datos involucraron procedimientos meticulosos en entornos controlados y comerciales para garantizar la robustez del sistema ante variaciones reales de iluminación y empaque. El sistema de clasificación emplea la arquitectura YOLOv8, destacándose por su precisión y velocidad en la detección y clasificación de objetos, lo cual es esencial para la funcionalidad de la aplicación en tiempo real. Además, se integraron herramientas como PyTorch, Ultralytics, Roboflow y Comet para facilitar el flujo de desarrollo y la gestión de modelos. El entrenamiento del modelo se realizó ajustando cuidadosamente los hiperparámetros para equilibrar precisión y eficiencia computacional, y se exportó el modelo a TensorFlow Lite para asegurar su compatibilidad y rendimiento en dispositivos móviles. El diseño de la aplicación móvil se centró en integrar todas las etapas del flujo MLOps, desde la adquisición de datos hasta el despliegue y monitoreo de modelos. En pruebas, el modelo alcanzó una precisión del 94 % y una sensibilidad de 97.2 % mostrando capacidad robusta para identificar medicamentos. La evaluación de desempeño en plataformas de GPU y CPU arrojó resultados de velocidades de inferencia de 8 y 71 milisegundos por imagen respectivamente. Aunque en CPU la velocidad de inferencia se redujo, la precisión y sensibilidad se mantuvieron, lo que sugiere que el modelo es adaptable y funcional en dispositivos con recursos computacionales limitados, lo que amplía considerablemente su aplicabilidad.Publicación Acceso abierto Caracterización geométrica de cristales de sacarosa mediante técnicas de visión artificial(Universidad del Valle, 2018) Tierradentro Muñoz, John André; Loaiza-Correa, Humberto; Tascón Vidarte, José DavidLa inteligencia artificial es uno de los campos más ampliamente estudiados en la actualidad y empleados en ámbitos laborales como la industria. La visión artificial, siendo una rama de lo anterior, se ha comenzado a emplear en estos campos con el fin de supervisar y controlar diferentes procesos, como es el caso de los ingenios azucareros, en donde se necesita realizar el seguimiento del proceso de cristalización y de ser posible, mejorarlo con el fin de obtener un producto lo más cercano posible a lo deseado. El objetivo de este trabajo fue el desarrollo de una herramienta capaz de determinar, mediante técnicas de visión artificial, las principales características de los cristales de sacarosa que permitan identificar la calidad del producto final. Se encontró que estas características corresponden a la apertura media (MA) y al coeficiente de variación (CV), por lo que la herramienta fue encaminada en la medición de estos parámetros. Se estudiaron las técnicas empleadas para este tipo de análisis, con lo que se estableció un esquema basado en la segmentación de las imágenes junto con un proceso de calibración de cámaras utilizadas en microscopía, que permite obtener las mediciones de los cristales de azúcar. Se utilizó una cámara adaptada a un microscopio y a un estereoscopio, la calibración presentó un error promedio de 140.248 nm y 5.595 μm para cada caso respectivamente. Se desarrolló un sistema clasificador de cristales conglomerados y simples basado en una red neuronal tipo MLP, que obtuvo un 87.63% de éxito en las pruebas realizadas. El algoritmo desarrollado se implementó también en el software ImageJ con el fin de demostrar la flexibilidad y robustez de las técnicas empleadas y la no dependencia de un entorno de programación, al comparar los resultados se obtuvieron diferencias inferiores al 5%. Para la validación de la herramienta se compararon los resultados con los obtenidos con el método primario de medición que es el tamizado, se obtuvieron errores por debajo del 2% para la determinación de la apertura media. En conclusión, el algoritmo para caracterización de cristales de azúcar aquí presentado muestra un gran potencial como método alternativo para la medición, que puede ser usado para la automatización y control de procesos, dando información de apoyo a los laboratorios de cristalografía de los ingenios azucareros de la región.Publicación Acceso abierto Clasificación de normalidad en tejido de mamas a partir de imágenes digitales de rayos x(Universidad del Valle, 2022) Velasco Giraldo, Diego Fernando; TOBAR BLANDON, MARIA FERNANDA; Loaiza-Correa, HumbertoSe utilizaron técnicas de procesamiento de imágenes y reconocimiento de patrones. Específicamente, se implementaron dos métodos distintos para la segmentación de la mama, una que se basa en operaciones morfológicas, entropía, etc., y otra en la arquitectura de red neuronal convolucional U-Net. Para la clasificación y detección de anormalidades, se aplicaron técnicas basadas en máquinas de aprendizaje profundas (arquitecturas de redes neuronales convolucionales DenseNet121 + U-Net) y en máquinas de aprendizaje superficiales (perceptrón multicapa MLP y máquina de soporte vectorial SVM). Las entradas de estas dos últimas, son características estadísticas extraídas del histograma de las imágenes, junto con descriptores de textura a partir de la matriz de co-ocurrencia en niveles de gris, de las imágenes originales y de los patrones binarios locales de las imágenes (LBP). Se obtuvieron resultados sobresalientes. En las dos técnicas de segmentación de la mama desarrolladas se obtuvo un índice de similitud de Jaccard de 0,72 con el primer método y de 0,95 con el segundo, respecto a los ground truth. La clasificación de mamografías como normales o anormales con la arquitectura de red profunda DenseNet121 presentó una exactitud del 94% para el conjunto de test y, la detección de anormalidades con la arquitectura U-Net en mamografías de test clasificadas como anormales por DenseNet121, presentó un promedio de intersección con los ground truth de 0,94. Con las máquinas de aprendizaje superficiales, se clasificaron regiones normales y anormales de las imágenes para detectarlas posteriormente con un algoritmo de ventana deslizante. La clasificación de estas regiones tuvo una exactitud de 96,2% con el perceptrón multicapa (MLP) y de 97,1% con la máquina de soporte vectorial (SVM). Con estas dos máquinas de aprendizaje, la ventana deslizante detectó algunas anormalidades en las imágenes, pero se puede mejorar con técnicas complementarias en trabajos futuros. Se espera que este sistema contribuya a la elaboración de herramientas de soporte para los médicos radiólogos y, por ende, reduzca el margen de error en el diagnóstico de mamografías.Publicación Acceso abierto Construcción de mosaicos para un sistema de información a usuarios sobre la presencia de zonas libres en parqueaderos usando técnicas de visión artificial.(Universidad del Valle, 2016-05-26) Manzano Mendoza, Juan Pablo; Posso Bautista, Breyner; Nope Rodríguez, Sandra EsperanzaHoy en día existen una gran variedad de técnicas, que hacen uso de tecnologías para realizar captura e interpretación de datos en imágenes digitales, las cuales podrían usarse para brindar información a los usuarios de los parqueaderos sobre espacios libres, dentro de éstos, mejorando la movilidad de los parqueaderos y disminuyendo el tiempo que requiere un conductor en encontrar un espacio libre de parqueo. El objetivo de este proyecto es hacer un aporte en la solución a esta problemática haciendo uso de técnicas de visión artificial. De esta manera, se construye un mosaico a partir de imágenes capturadas por una sola cámara, que posteriormente se interpreta para identificar zonas libres de parqueo que son informadas al conductor.Publicación Acceso abierto Desarrollo de un aplicativo embebido de alerta temprana visual y auditiva de salida de carril(Universidad del Valle, 2025) Davila Herrera, Juan Martin; Bacca Cortes, Eval Bladimir; GRUPO DE INVESTIGACIÓNEn este trabajo se propone el desarrollo de un aplicativo embebido de alerta temprana visual y auditiva ante una salida involuntaria de carril, enfocado en sistemas ADAS integrados. Dando respuesta a la pregunta: ¿Cómo desarrollar un aplicativo embebido que brinde alertas visuales y auditivas ante una salida de carril?, se realizó una revisión teórica de antecedentes académicos sobre técnicas de procesamiento digital de imágenes, métodos de estimación de carriles y algoritmos de segmentación, destacando el uso de la transformada de perspectiva, el filtro Sobel y el espacio de color HSL. A partir de esta base teórica, se diseñó el sistema empleando la metodología RUP, definiendo requerimientos funcionales como la detección continua del carril, la generación automática de alertas y la configuración personalizada por parte del usuario, junto a requerimientos no funcionales como el bajo consumo de recursos y el funcionamiento en tiempo real. El aplicativo fue estructurado en cuatro módulos: configuración, preprocesamiento, procesamiento y alertas, todos implementados sobre una plataforma NVIDIA Jetson Nano, utilizando bibliotecas optimizadas para CUDA y una interfaz desarrollada en Qt5. Se llevaron a cabo pruebas de integración, cuantitativas y de campo. En las pruebas cuantitativas realizadas en entornos reales del Valle del Cauca, se obtuvieron precisiones consistentes en la detección de carriles y en la generación de alertas tempranas, alcanzando valores entre 65% y 75% en la etapa de detección y entre 70% y 80% en la emisión de alertas, dependiendo de las condiciones de la vía. Los mejores resultados se observaron en tramos con buena marcación vial, mientras que en escenarios más exigentes, como curvas o señalización deteriorada, la precisión disminuyó, aunque se mantuvo dentro de márgenes aceptables para una primera implementación embebida. Estos resultados validan la eficacia del sistema en contextos propios de la infraestructura vial colombiana. Finalmente, se discuten limitaciones y se proponen mejoras futuras, resaltando el potencial del aplicativo como solución embebida accesible para aumentar la seguridad vial en vehículos que no cuentan con tecnologías ADAS de fábrica.Publicación Acceso abierto Detección automática de microcalcificaciones en mamografías digitales(Universidad del Valle, 2022) Palta, Felipe; Loaiza-Correa, Humberto; Nope Rodríguez, Sandra EsperanzaEn este documento se presenta el desarrollo de un sistema de visión artificial para la detección automática de microcalcificaciones en mamografías digitales utilizando máquinas de aprendizaje superficial. Se plantea y ejecuta una metodología partiendo de las etapas básicas de la construcción de un sistema de visión tradicional, empezando por la selección de la base datos MIAS. Luego, se emplea una etapa de preprocesamiento y segmentación del área de interés para así extraer, a partir de ventanas previamente recortadas, las características más apropiadas para la discriminación de las clases y seleccionar las mejores para finalmente implementar una serie de clasificadores: RNA, SVM, K-NN y NB basado en un esquemade pruebas, estableciendo un umbral mínimo de 95 % de exactitud para las primeras tres y un mínimo de 80 % de exactitud para NB, para así seleccionar los mejores modelos de acuerdo a un análisis de varianza ANOVA. Posteriormente, se evalúa el desempeño de esta solución, utilizando métricas apropiadas para datasets desbalanceados como lo son la precisión y la sensibilidad, ponderando esta última con el fin de contrarrestar el efecto del desbalance dentro del ground truth proporcionado por los expertos, obteniendo un 99.8 % de precisión y un 77 % de sensibilidad para una imagen mamográfica completa.Publicación Acceso abierto Detección de mentiras por análisis de imágenes térmicas de rostros(Universidad del Valle, 2015) Bedoya Echeverry, Sebastián; Belalcazar Ramírez, Hernán; Loaiza Correa, Humberto; Nope Rodríguez, Sandra EsperanzaEn este documento se presenta el diseño, desarrollo e implementación de un sistema de visión artificial para la detección de mentiras basado en el análisis del rostro por medio de imágenes térmicas. Este trabajo tiene fundamentos en las áreas de medicina, psicología y electrónica que dan validez al desarrollo. En el área de sicología se han planteado diversos experimentos para generar estados de ansiedad, entre los cuales se encuentra la ansiedad producida al mentir; así mismo, indicaciones y condiciones necesarias para identificar cuando un sujeto miente o no. Por su parte, la medicina corrobora la relación entre un estado de ansiedad y los cambios fisiológicos asociados a dicho estado. Finalmente, la electrónica y en particular el procesamiento de imágenes termográficas, da soporte a los algoritmos encaminados a medir las variaciones de temperatura en las imágenes térmicas para identificar si el sujeto miente o no, o si se encuentra en un estado de ansiedad. Los resultados obtenidos corresponden a un 100% de acierto en la detección de estados de ansiedad y un79,2 % de acierto en la detección de mentiras.Publicación Acceso abierto Evaluación del modelo 3D de una escultura obtenido con técnicas de fotogrametría a partir de imágenes de corto alcance capturadas con teléfonos inteligentes(Universidad del Valle, 2017) Muñoz Bedoya, Diana Sofía; Loaiza Correa, Humberto; Díaz Paz, Jean PierreLa reconstrucción tridimensional a partir de múltiples imágenes es un enfoque eficiente en cuanto a costo de adquisición y almacenamiento de la información. Los algoritmos para la orientación automática de imágenes son un tema importante de investigación en Visión Artificial y Fotogrametría, ya que se han desarrollado algoritmos basados en correspondencia de características y Structure From Motion (SfM), que han evolucionado a través del fortalecimiento de sus fundamentos matemáticos, estadísticos y geométricos en beneficio de mejorar su robustez y rendimiento global. El presente trabajo de grado expone la aplicación de una metodología para la generación de un modelo tridimensional usando imágenes terrestres capturadas con la cámara de un teléfono inteligente. La metodología combina las técnicas de Visión Artificial y Fotogrametría para generar un sistema automático de reconstrucción a partir de las relaciones entre puntos característicos identificados en múltiples imágenes. Las imágenes para reconstrucción son almacenadas en el dispositivo móvil y el sistema de reconstrucción se desarrolla en el lenguaje de programación de Matlab, conformado con procesos para la identificación y registro de características, estimación de la geometría y reconstrucción de la escena. El sistema se pone a prueba con diferentes conjuntos de imágenes con la intensión de identificar las condiciones de la escena que permitan un mejor resultado en la reconstrucción, adicionalmente se realizó la integración del modelo resultante con otro de referencia obtenido con el dispositivo Kinect usando el software CloudCompare para establecer cuantitativamente la precisión de la información generada. Las pruebas mostraron buenos resultados usando imágenes donde las condiciones de las cámaras respecto a: iluminación, sensibilidad, enfoque y balance de blancos estuvieran configuradas equivalentemente, obteniendo una precisión de 65.53 %.Publicación Acceso abierto Implementación de un sistema estéreo de correlación digital de imágenes para medición de campos de desplazamiento en 3d a bajo costo(Universidad del Valle, 2023) Suárez Agudelo, Sebastián; Thomson, PeterLa aplicación de la técnica de correlación digital de imágenes (DIC) provee mediciones del desplazamiento en elementos estructurales y no estructurales sometidos a diferentes tipos de carga. Esta técnica permite el uso de equipos y configuraciones más simples que las planteadas en los sistemas tradicionales de medición (p.e., medición con LVDTs, potenciómetros, etc.), los cuales requieren gran cantidad de conexiones, complejos sistemas de adquisición, y se limitan a dar información en unos cuantos puntos y solo en la dirección de medición del sensor. Adicionalmente, los sistemas comerciales de DIC, compuestos por software y hardware, presentan un costo elevado que los hace inviables para ser utilizados en algunos laboratorios de investigación. De acuerdo con esto, se implementó esta técnica con un sistema de bajo costo, compuesto por dos cámaras DSLR de buena resolución, una estructura adecuada para el soporte de las cámaras, un buen sistema de iluminación, un sistema de adquisición para realizar la captura automática de las imágenes, y un software libre de procesamiento, permitiendo obtener campos tridimensionales de desplazamiento. En este trabajo de grado se presenta la implementación y la validación de un sistema de bajo costo para la medición de campos de desplazamiento en 2 y 3 dimensiones. En ensayos desarrollados sobre elementos estructurales, se encontró que el sistema propuesto, unido al procesamiento con un software libre (NCORR, DuoDIC), resulta ser versátil y provee mediciones confiables, además de brindar un panorama completo de la evolución de los estados del daño de las probetas.Publicación Acceso abierto Interpretación de gestos dinámicos de la lengua de señas utilizando técnicas de visión artificial(Universidad del Valle, 2025) Arango Fabbri, Joshua; Alfonso-Morales, Wilfredo; Nope Rodríguez, Sandra EsperanzaEste trabajo propone el desarrollo de un sistema de reconocimiento de gestos dinámicos de la lengua de señas colombiana mediante el uso de redes neuronales artificiales combinando técnicas de visión por computador con modelos de aprendizaje profundo. En particular, se implementó una arquitectura basada en redes Long Short-Term Memory (LSTM), la cual permite modelar de forma eficiente las secuencias temporales características de los gestos dinámicos. Para ello, se utilizaron técnicas de extracción de características a partir de landmarks generados mediante herramientas de visión artificial, lo que permitió capturar la posición y el movimiento de las articulaciones clave a lo largo del tiempo. Se aplicaron también técnicas de preprocesamiento y normalización de datos con el fin de aumentar la robustez del sistema frente a variaciones entre personas, posiciones de cámara y tipos de fondo. El sistema fue evaluado utilizando una base de datos propia compuesta por videos etiquetados de distintos gestos dinámicos, logrando una exactitud del 96 %.Publicación Acceso abierto Plan de empresa dedicada al reconocimiento de rostros por visión artificial.(Universidad del Valle, 2020) Andrade, Selene Ximena; Cetina, Laura Daniela; Loaiza Correa, Humberto; Pabon Romero, AnabellaEste trabajo de grado se presenta bajo la modalidad de Creación de Empresa, teniendo como objetivo y resultado final, el desarrollo del plan de negocios de la empresa con su respectiva evaluación financiera, adicionalmente se presenta el desarrollo del sistema en su fase inicial. El software final llamado "FaceIng" busca apoyar a la seguridad a partir del control de acceso por reconocimiento facial en zonas residenciales de la comuna 17 y 22 de la Ciudad de Cali. El presente documento se compone de la estructura del plan de negocios y la documentación del prototipo del sistema desarrollado. El plan de negocios de la empresa incluye un análisis de mercado, organizacional, técnico de la empresa, y por último evaluación financiera a 5 años. En la documentación del desarrollo se encuentran el diagrama de bloques y la respectiva explicación de cada una de las ocho etapas realizadas, también se tienen las pruebas realizadas utilizando distintos clasificadores con su respectivo análisis comparativo, por último, pruebas funcionales del reconocimiento de rostros a partir de la cámara del computador. El desarrollo del sistema se realizó utilizando Python 3.6.8. tanto para la programación del software como para el desarrollo de la interfaz. El sistema obtuvo una tasa de rechazo ante individuos impostores del 99.95% y una tasa de aceptación ante individuos autorizados del 98.85%Publicación Acceso abierto Sistema de detección de pie diabético a partir de imágenes en el espectro visible e infrarrojo(Universidad del Valle, 2025) Rubianes Realpe, Jhonatan Esteban; Nope Rodríguez, Sandra Esperanza; Restrepo Girón, Andrés DavidEl pie diabético es una de las complicaciones más severas de la diabetes mellitus, caracterizado por infecciones, ulceraciones y riesgo de amputación. Bajo esta problemática, el presente trabajo desarrolla un sistema automático de apoyo al diagnóstico temprano del pie diabético, utilizando imágenes en el espectro visible e infrarrojo de la planta de los pies. A diferencia de otros enfoques dependientes de información clínica o antropométrica, este sistema se basa exclusivamente en el procesamiento de imágenes, permitiendo su aplicación en escenarios prácticos y no controlados. El sistema aborda el reto de clasificar entre pie diabético y sano mediante una etapa de segmentación automatizada, especialmente desafiante por los fondos no controlados. Esta etapa inicia con un recorte preliminar de ambas plantas del pie a partir de análisis de histogramas y continúa con una estrategia en cascada que combina redes neuronales YOLO, transformaciones de espacios de color (RGB, HSV, YIQ) y operadores morfológicos, sobre imágenes en el espectro visible e infrarrojo. Tras la segmentación, se aplicaron técnicas de fusión multiespectral para la extracción de características, evaluando siete métodos y seleccionando el de mejor rendimiento según métricas cuantitativas como clasificatorias. Posteriormente, se implementaron técnicas de extracción y selección de características, tomando como base aquellas previamente identificadas en trabajos anteriores, con el objetivo de reducir la dimensionalidad del conjunto de datos sin comprometer el rendimiento del sistema en términos de precisión, sensibilidad y F1-Score. El sistema fue entrenado y validado con una base de datos pública a través de diversos clasificadores: máquinas de vectores de soporte (SVM), modelos estadísticos como Naive Bayes, LDA, QDA y K-NN, así como redes neuronales como el perceptrón multicapa, Patternet y redes de base radial (RBF). En la clasificación binaria, el mejor desempeño se obtuvo con el clasificador SVM, alcanzando una exactitud del 95,0 %, precisión del 96,6 %, sensibilidad del 93,3 % y un F1-Score del 94,9 %, superando el desempeño reportado en los antecedentes, los cuales informaban una exactitud de 89,2 %, precisión de 96,2 %, sensibilidad de 81,9 % y un F1-Score de 88,3 %. Adicionalmente, se incorporó una opción de rechazo, ausente en trabajos anteriores, permitiendo abstenerse de clasificar cuando la confianza del modelo es baja. En este escenario, el clasificador QDA obtuvo el mejor balance: exactitud del 90 %, precisión del 92,9 %, sensibilidad del 86,7 %, especificidad del 93,3 % y un F1-Score del 89,7 % en la misma clasificación binaria, siendo seleccionado para el sistema implementado. Aunque el objetivo principal del estudio fue la clasificación entre pie diabético y pie sano, se aprovechó que la base de datos contenía casos etiquetados con neuropatía e isquemia para explorar una clasificación multiclase. Se intentó distinguir entre tres clases: pie sano, pie diabético con neuropatía y otro con isquemia. El mejor desempeño se obtuvo con el clasificador Naive Bayes, logrando una sensibilidad del 91,7 %, precisión del 73,3 % y un F1-score del 81,5 % para la clase sana. Sin embargo, las métricas para las clases afectadas fueron inferiores al 80 %, lo que sugiere que las características empleadas distinguen bien los pies sanos, pero no discriminan con la misma eficacia entre las patologías del pie diabético, lo cual podría explorarse en futuros estudios.Publicación Acceso abierto Sistema de visión artificial para la detección automática de masas y tejido normal en mamografías(Universidad del Valle, 2025) Arango Imbachi, Angie Lorena; Loaiza-Correa, HumbertoEl cáncer de mama es una de las principales causas de mortalidad en mujeres a nivel mundial. Si bien la biopsia constituye el método definitivo para el diagnóstico de esta patología, la mamografía digital se considera una de las principales herramientas para su detección temprana, ya que permite identificar anomalías antes de que se presenten síntomas clínicos. Esta detección temprana es crucial para mejorar el pronóstico y aumentar las tasas de supervivencia. No obstante, su interpretación manual depende altamente de la experiencia del especialista. En este contexto, los sistemas de detección y diagnóstico asistido por computadora (CAD) se posicionan como herramientas de apoyo fundamentales para reducir los errores de interpretación y la carga diagnóstica del personal médico. El presente trabajo describe un sistema de clasificación automática del tejido mamográfico en tres clases: tejido normal, masa benigna y masa maligna, a partir del análisis de imágenes mamográficas digitales. El sistema comprende cinco etapas principales: adquisición de la imagen, procesamiento, extracción de características, selección de características y clasificación. Se utilizó la base de datos pública MIAS (Mammographic Image Analysis Society), la cual contiene mamografías digitales en escala de grises. El procesamiento incluyó técnicas de mejora de contraste y segmentación de la región de interés (mama), mediante transformaciones en el dominio espacial como umbralización adaptativa, transformación exponencial, operaciones morfológicas y el algoritmo de Canny para la detección de bordes. Este conjunto de técnicas permitió eliminar artefactos no deseados y lograr la exclusión del musculo pectoral, asegurando un análisis focalizado exclusivamente en el tejido mamario. Posteriormente, se llevó a cabo la extracción de características sobre áreas rectangulares de las mamografías (ventanas). Se extrajeron características del dominio espacial y frecuencial, con el fin de resaltar patrones estructurales y espectrales que permitieran una mejor caracterización del tejido mamario. La selección de características se realizó utilizando técnicas como rankings y wrappers, con el objetivo de reducir la dimensionalidad y conservar aquellas variables con mayor capacidad discriminativa, las cuales fueron posteriormente empleadas en la etapa de clasificación para evaluar las características espaciales y frecuenciales de manera separada y fusionada. Para la clasificación se implementaron dos enfoques: aprendizaje superficial y aprendizaje profundo. En el aprendizaje superficial se emplearon diez clasificadores Naive Bayes, KNN, Distancia Euclideana, Distancia de Mahalanobis, LDA, QDA máquinas de vectores de soporte (SVM), Random Forest (RF), redes neuronales de base radial (RBF) y perceptrón multicapa (MLP). Además, se implementaron redes de comité mediante votación mayoritaria, combinando los modelos con mejor desempeño individual. Por otro lado, en el aprendizaje profundo, se diseñó y entrenó una Red Neuronal Convolucional (CNN) desde cero, adaptada a imágenes de 50x50 píxeles y complementada con técnicas de aumento de datos (rotación, flipping, zoom). También se implementaron siete modelos preentrenados mediante transferencia de aprendizaje, incluyendo VGG16, VGG19, ResNet50, ResNet101, DenseNet121, DenseNet201 e InceptionV3. Estas redes fueron adaptadas para recibir imágenes de tres canales, asignando a cada canal una representación diferente (dominio espacial, Transformada de Fourier y Transformada Wavelet), lo que permitió evaluar directamente la fusión de dominio espacial y frecuencial. La evaluación de los modelos se realizó mediante métricas de desempeño como precisión, exactitud (accuracy), F1-score, sensibilidad (recall) y especificidad, priorizando la sensibilidad por su importancia en la detección de casos positivos. No se utilizó validación cruzada, sino una división del conjunto de datos en 70% para entrenamiento (del cual se extrajo el 20% para validación) y 30% para prueba, garantizando un balance equitativo entre las clases. Asimismo, se analizó la capacidad de generalización de los modelos mediante la diferencia de desempeño entre los conjuntos de entrenamiento y prueba. Los mejores resultados en el aprendizaje superficial se obtuvieron mediante una red de comité, que alcanzó una exactitud del 82.35% y una sensibilidad del 76.80%, superando a los modelos individuales. En el aprendizaje profundo, la CNN propia obtuvo una especificidad del 97.79%, mientras que el mejor desempeño general dentro de las redes preentrenadas fue alcanzado por ResNet, con una precisión del 66.40%, exactitud del 64.47% y sensibilidad del 61.00%. Por su parte, Inception V3 mostró la mejor generalización, evidenciada por diferencias mínimas entre entrenamiento y prueba (Δ precisión = 0.061, Δ exactitud = 0.042 y Δ F1-score = 0.057). Estos resultados superan los obtenidos con la CNN desarrollada desde cero y se encuentran dentro de rangos adecuados respecto a estudios previos, resaltando además el uso combinado de dominios espaciales y frecuenciales dentro de un único sistema de clasificación automática. Este trabajo representa un aporte al desarrollo de sistemas CAD aplicados al diagnóstico mamográfico, con potencial uso como herramienta de apoyo a los profesionales de la salud en la detección temprana del cáncer de mama.Publicación Acceso abierto Sistema para conteo y clasificación de peces en estanques de cultivo, basado en visión artificial(Universidad del Valle, 2013) Hoyos Giraldo, Edgar Andres; Muñoz Otero, Alejandro; Loaiza Correa, HumbertoEl presente trabajo se orienta al desarrollo de un prototipo de sistema para conteo y clasificación por tamaño y especie de peces vivos en estanques de cultivos. Este sistema tiene un impacto directo sobre un sector de la industria bastante influyente, en constante desarrollo y crecimiento como es el de la piscicultura. La construcción del prototipo se realizó en dos etapas. La primera, relacionada con el diseño y elaboración de una plataforma hardware con características adecuadas para realizar un seguimiento controlado del paso de peces entre estanques con la posibilidad de realizar la captura de las mejores imágenes posibles de los peces a través de dos cámaras web estratégicamente localizadas. La segunda etapa comprendió la implementación software de los algoritmos para conteo y clasificación de peces por tamaño y especie, a partir de las imágenes capturadas en la plataforma construida. El diseño software a su vez se estructuró en tres grandes algoritmos: conteo, clasificación por tamaño y clasificación por especie. Se trabajó una etapa inicial de pre-procesamiento sobre los vídeos capturados, cuya salida es utilizada para la ejecución de los tres algoritmos mencionados. En el desarrollo software, domina el uso de técnicas de segmentación por color, mejoramiento morfológico, reconstrucción y extracción de características geométricas y espaciales de las imágenes.