• Español
Spanish Afrikaans English

Participación de investigadores del CIDIS en la “14th International Conference on Pattern Recognition Systems (ICPRS - 2024)”

Fecha: 
Jueves, 25 Julio, 2024 - 17:00

Desde el 15 al 18 de julio del 2024 se desarrolló la “14th International Conference on Pattern Recognition Systems (ICPRS - 2024)” en Londres – Reino Unido, esta ponencia fue organizada por la Universidad de Westminster (Reino Unido) y la Asociación Chilena de Reconocimiento de Patrones (ACHiRP, miembro de la IAPR), el desarrollo de esta reunión es un punto de encuentro de diferentes disciplinas (ciencias de la computación, ingeniería, matemáticas, aprendizaje automático, etc.), además de ser una oportunidad para que un amplio abanico de investigadores y profesionales debatan los muy diversos aspectos de la aplicación de las tecnologías de reconocimiento de patrones. 

El Centro de Investigación, Desarrollo e Innovación de Sistemas Computacionales (CIDIS) en representación de ESPOL asistió a dicha conferencia a través de los investigadores: PhD. Boris Vintimilla y PhD. Angel Sappa, quienes participaron en la presentación de los artículos descritos a continuación: 

•    “Classifying Healthy and Defective Fruits with a Siamese Architecture and CNN Models”.

En este estudio se presenta una investigación sobre la utilización de una arquitectura siamesa para la clasificación de frutas (manzanas y mangos) en estados sanos y defectuosos, mediante el uso de imágenes RGB y de silueta. El objetivo principal es mejorar la precisión de los modelos CNN, utilizando recursos como adquisición de imágenes, preprocesamiento de conjuntos de datos, entrenamiento y evaluación de dos modelos CNN: MobileNetV2 y VGG16. 

Los resultados revelan que la inclusión de imágenes de siluetas junto con la arquitectura Siamese produce modelos con un rendimiento superior con respecto al uso exclusivo de imágenes RGB para la clasificación de frutas, tanto sanas como defectuosas.

•    “Enhancing Apple’s Defect Classification: Insights from Visible Spectrum and Narrow Spectral Band Imaging”.

Este estudio aborda la clasificación de defectos en manzanas como medida crucial para mitigar las pérdidas económicas y optimizar la cadena de suministro de alimentos, mediante el uso de imágenes del espectro visible y de 660 nm necesarios para mejorar la precisión y la eficacia en la clasificación de defectos, además del uso de redes neuronales feedforward y redes neuronales convoluciones siamesas (CNNs) para validar las estrategias propuestas. 

Como resultado de esta investigación se observa que el uso de la gama espectral en el proceso de clasificación es ligeramente superior a todo el espectro visible, mostrando que el modelo MobileNetV1 alcanza una precisión del 98,80% en el conjunto de datos de validación frente al 98,26% obtenido utilizando todo el espectro visible, lo cual presenta la posibilidad de mejorar el método capturando imágenes con rangos espectrales específicos mediante filtros, lo que permitiría un entrenamiento idóneo de la red para la tarea de clasificación.

•    “Depth-Conditioned Thermal-like Image Generation”.

Este artículo propone un nuevo enfoque para generar representaciones de tipo térmico a partir de imágenes RGB mapa de profundidad correspondiente como restricción adicional. Las imágenes RGB recibidas se convierten al espacio de color HSV y el canal de luminosidad se utiliza como entrada y junto con el canal espacial se utiliza como entrada junto con la información espacial proporcionada por los mapas de profundidad de la escena, el cual es utilizado como información previa por la red generativa.

Los resultados experimentales demuestran que este método supera a los métodos más avanzados, produciendo imágenes térmicas calidad superior, con mejor forma y nitidez, gracias al uso de mapas de profundidad como información complementaria.

Participaciones como las mencionadas en estas conferencias nos impulsan como centro de investigación a continuar desarrollando e innovando constantemente tecnología que puede ser de beneficio para la sociedad entera.

Share this:

LinkedIn Twitter Facebook
Modalidad: 
Presencial