Este proyecto tiene como objetivo implementar un sistema integral de bajo costo que le permita a los agricultores obtener información de los cultivos de forma intuitiva a través de una aplicación móvil con la finalidad de mejorar la toma de decisiones.
Este proyecto tiene como objetivo identificar el efecto y aplicabilidad de la implementación piloto de una plataforma robótica y aplicaciones móviles lúdicas utilizadas para motivar el desarrollo cognitivo y social de niños con necesidades educativas especiales.
El grupo de investigación de Machine Learning y Visión por Computador de la Universidad del Bío-Bío se define como un grupo de investigación que reúne las capacidades investigativas de académicos de dos facultades y departamentos de la Universidad, en conjunto con investigadores internacionales.
Este proyecto tiene como objetivo diseñar e implementar un robot social que tenga la capacidad de llevar a cabo interacciones sociales humano-robot en entornos naturales.
En el Ecuador el desarrollo agrícola es una tarea compleja y desafiante. El principal problema, es la escasa información para la toma de decisiones respecto de las plantaciones, condiciones del suelo o estado de las plantas en tiempo real.
Este proyecto tiene como objetivo desarrollar soluciones innovadoras en el sector acuícola y agrícola del Ecuador, con la finalidad de proporcionar un crecimiento sostenible en toda la cadena de valor mediante la hibridación inteligente de energías alternativas y algoritmos avanzados de control.
En los últimos años, los mapas urbanos en 3D se han vuelto más comunes, proporcionando nubes de puntos complejas que incluyen diversos muebles urbanos, como objetos tipo poste.
Este proyecto tiene como objetivo capacitar a agricultores arroceros de las provincias de Los Ríos y Guayas, donde se realizarán actividades como ensamblaje de drones, entrenamiento a estudiantes y agricultores y se analizará el requerimiento de los agricultores.
En este proyecto se pretende brindar el desarrollo y evaluación de un algoritmo basado en técnicas de aprendizaje automático, particularmente técnicas de aprendizaje profundo para clasificar los defectos superficiales en productos de madera usando información de imágenes digitales multiespectrales d
