Embedded Files
Detección de Baches
Detección de Baches
El sistema inteligente desarrollado por investigadoras e investigadores del CUCEI permite reconocer y ubicar baches en las vialidades con precisión, mediante el uso de un modelo de Red Neuronal Artificial previamente entrenado.
Este método automatizado analiza imágenes para determinar si existe un bache, clasificarlo y generar alertas sobre su ubicación. Además, contribuye a construir una base de datos con imágenes de México, especialmente de Jalisco y el Área Metropolitana de Guadalajara.
El sistema destaca por su alto nivel de precisión, ya que puede descartar falsas alarmas al identificar casos de “no-bache”. También utiliza datos de geolocalización para dirigir las alertas al municipio, colonia o delegación responsable, según el nivel de daño detectado en el pavimento.
Numero de patente: MX/a/2021/014943
Alumnos envueltos en este proyecto:
Julian Darrell Kej Revolorio (Ingeniería en Computación)
Enrique Maravilla Herrera (Ingeniería en Computación)
José David Camacho Castillo (Doctorado en Ciencias de la Electrónica y la Computación)
Detección de enfermedades en cultivos de jitomate y chile morrón
Detección de enfermedades en cultivos de jitomate y chile morrón
Hemos dado comienzo con un proyecto de detección de enfermedades y defectos en cosechas de jitomate o tomate rojo (Lycopersicum Esculentum) y chile morrón (Capsicum Annuum). Este proyecto tiene la intención de asegurar la calidad de los productos para exportación.
México es uno de los principales productores y exportadores de tomate del mundo, especialmente hacia Estados Unidos. El tomate rojo genera miles de millones de dólares en exportaciones y es clave para la balanza agrícola del país. El chile morrón también tiene alta demanda nacional e internacional, sobre todo para exportación fresca y para la industria alimentaria. Se cultiva mucho en estados como Sinaloa, Jalisco, Guanajuato y Baja California.
Ambos cultivos generan mucho empleo rural porque requieren mano de obra para siembra, cuidado, cosecha, empaque y transporte. Esto sostiene comunidades agrícolas completas.
México ha desarrollado una agricultura muy competitiva en estos productos gracias al clima favorable y la cercanía comercial con Estados Unidos y Canadá.
Por el momento estamos generando un conjunto de datos de imagen multiespectral-RGB para el entrenamiento de redes neuronales artificiales.
Alumnos envueltos en este proyecto:
Marilyn Villgas Pére (Maestría en Ciencias en Robótica e Inteligencia Artificial)
Detección temprana del gusano barrenador
Detección temprana del gusano barrenador
Actualmente nuestro grupo de investigación a comenzado el proyecto de detección temprana de gusano barrenador (Copturus Aguacatae). La larva de este insecto representa una infección grave a los cultivos de aguacate afectando a la competitividad de nuestros agricultores.
Nuestro equipo esta desarrolla un sistema inteligente de detección temprana basándose en imágenes multiespectrales y redes neuronales artificiales.
Como participantes del alumnado en el proyecto se tiene:
Ing. Andrés Barajas Contreras (Estudiante de la Maestría en Inteligencia Artificial y Robótica)
Predicción de volumen de producción en cultivos de frambuesa.
Predicción de volumen de producción en cultivos de frambuesa.
Hemos desarrollado un sistema de predicción de volumen de predicción para los cultivos de frambuesa de agricultores de Jocotepec, en la ribera del lago Chapala. Dicho Sistema detecta y clasifica la fruta aún sin cosechar en 5 clases diferentes lo que permite extrapolar la producción del agricultor en un horizonte de hasta 3 semanas.
La transferencia tecnológica aún esta en desarrollo. A continuación los alumnos que apoyan el desarrollo de este proyecto junto al grupo de investigación.
Alumnos de Licenciatura participantes (Ingeniería en Computación):
Ronaldo Giovanni González Hernández
Maximiliano Hernández Mora
Diego Armando Campos Rodriguez
Alumnos de Maestría participantes (Maestría en Ciencias en Robótica e Inteligencia Artificial):
Jaime Adan Cuevas Ramirez
Page updated
Google Sites
Report abuse