Contexto: Hoy en día, el uso de grandes cantidades de datos adquiridos desde diversos dispositivos y equipos electrónicos, ópticos u otra tecnología de medición, generan un problema de análisis de datos en el momento de extraer la información de interés desde las muestras adquiridas. En ellos, agrupar correctamente los datos es necesario para obtener información relevante y precisa para evidenciar el fenómeno físico que se desea abordar. Metodología: El trabajo presenta la evolución de una metodología de cinco etapas para el desarrollo de una técnica de agrupamiento de datos, a través de técnicas de aprendizaje automático e inteligencia artificial. Esta se compone de cinco fases denominadas análisis, diseño, desarrollo, evaluación y distribución, con estándares de código abierto y fundamentadas en los lenguajes unificados para la interpretación del software en ingeniería. Resultados: La validación de la metodología se ha desarrollado mediante la creación de dos métodos de análisis de datos, con un tiempo de ejecución promedio de 20 semanas, obteniendo valores de precisión 40 % y 29 % superiores con los algoritmos clásicos de agrupamiento de datos de k-means y fuzzy c-means. Adicionalmente, se encuentra una metodología de experimentación masiva sobre pruebas unitarias automatizadas, las cuales lograron agrupar, etiquetar y validar 3,6 millones de muestras, acumulado un total de 100 ejecuciones de grupos de 900 muestras, en aproximadamente 2 horas. Conclusiones: Con los resultados de la investigación se ha determinado que la metodología pretende orientar el desarrollo sistemático de técnicas de agrupamiento de datos, en problemas específicos para bases integradas por muestras con atributos cuantitativos, como los casos de parámetros de canal en un sistema de comunicaciones o la segmentación de imágenes usando los valoras RGB de los pixeles; incluso, cuando se desarrolla software y hardware, la ejecución será más versátil que en casos con aplicaciones teóricas.

Objetivo: Presentar un método de aprendizaje profundo denominado Denoising Unet for Medical Image, DUnet-MI, enfocado en la corrección de diferentes niveles de ruido en imágenes médicas en las modalidades de Rayos X, Tomografía Computarizada y Resonancia Magnética. Metodología: Se aborda una solución para reducir ruido Gaussiano y ruido sal y pimienta, que se suele agregar a la imagen médica por el proceso de obtención, transmisión y/o recepción. DUnet-MI es una adaptación del modelo Unet con variaciones en las capas, filtros e hiperparámetros para corregir ruido e incrementar los valores de las métricas de calidad de relación señal a ruido pico, PSNR por sus siglas en inglés, y la medida del índice de similitud estructural, SSIM por sus siglas en inglés. Resultados: se analizó el promedio de 200 imágenes para procesar 7 niveles de ruido. DUnet-MI logró estimaciones promedias de hasta  en PSNR y valores de SSIM de  al procesar ruido Gaussiano y,  en PSNR y  en SSIM al corregir ruido sal y pimienta. Conclusiones: DUnet-MI demostró mejoras en las métricas de calidad que superan las obtenidas por los métodos clásicos presentes en la literatura, demostrando su funcionalidad para mejorar la calidad de las imágenes médicas. Objetivo: Presentar un método de aprendizaje profundo denominado Denoising Unet for Medical Image, DUnet-MI, enfocado en la corrección de diferentes niveles de ruido en imágenes médicas en las modalidades de Rayos X, Tomografía Computarizada y Resonancia Magnética. Metodología: Se aborda una solución para reducir ruido Gaussiano y ruido sal y pimienta, que se suele agregar a la imagen médica por el proceso de obtención, transmisión y/o recepción. DUnet-MI es una adaptación del modelo Unet con variaciones en las capas, filtros e hiperparámetros para corregir ruido e incrementar los valores de las métricas de calidad de relación señal a ruido pico, PSNR por sus siglas en inglés, y la medida del índice de similitud estructural, SSIM por sus siglas en inglés. Resultados: se analizó el promedio de 200 imágenes para procesar 7 niveles de ruido. DUnet-MI logró estimaciones promedias de hasta  en PSNR y valores de SSIM de  al procesar ruido Gaussiano y,  en PSNR y  en SSIM al corregir ruido sal y pimienta. Conclusiones: DUnet-MI demostró mejoras en las métricas de calidad que superan las obtenidas por los métodos clásicos presentes en la literatura, demostrando su funcionalidad para mejorar la calidad de las imágenes médicas.

Actualmente en Colombia, el incremento exponencial de la cantidad de residuosque cada individuo del hogar produce diariamente causa que los vertederos destinados para esto se encuentren a punto de cumplir con su vida útil, esto se debe a que un 78% de los colombianos no saben reciclar. Con el propósito de proponer una estrategia para apoyar en la solución de esta problemática, se elabora un algoritmo que tiene como propósito ayudar a las personas del sector de reciclaje, hogares e industrias con la identificación y clasificación de los residuos producidos por ellos. Este algoritmo, se realizó mediante técnicas basadas en aprendizaje profundo, en donde se encuentran tres tipos de modelos: denso, convolucional y convolucional con Drop Out. En estos modelos se aplican dos estados de activación que son sigmoidal y ReLu, y a su vez transforman imágenes de distintos tamaños a uno solo de 200x200 para una mejor lectura de los pixeles y se transforman a escalas de grises para una mejor obtención de los entrenamiento y validación de 12.872 imágenes que fueron tomadas como muestra en la ciudad de Cúcuta, Colombia.

El procesamiento de la imagen en el campo biomédico hace referencia a la etapa inicial orientada en mejorar la calidad de las imágenes, eliminando los ruidos irrelevantes y secciones no deseadas en el fondo de las imágenes. En este documento se evalúa la incidencia de los filtros de suavizado (filtro bilateral para conservación de bordes, filtro de mediana y el filtro gaussiano) en el procesamiento digital de imágenes médicas dermoscópicas como apoyo a las herramientas de diagnóstico asistido por computador. El método fue probado con imágenes del Dataset HAM10000, compuesto por imágenes de lesiones cutáneas pigmentadas. Para el procesamiento digital se utilizaron herramientas basadas en código abierto como lenguaje Python y la librería especializada en visión por computador OpenCV. La validación se realizó por el método de correlación entre la imagen original en escala de grises y la imagen filtrada por cada uno de los filtros de suavizado, obteniendo un porcentaje en relación de cambio medio de 99.460 % para el filtro bilateral, 99.396 % para el filtro gaussiano, y 99.335 % para el filtro de mediana.  

Contexto/objetivo: En Colombia, el consumo de energía eléctrica residencial representa aproximadamente el 40 % de la demanda nacional, por lo tanto es relevante incursionar en alternativas que reduzcan este consumo. El objetivo de este trabajo fue elaborar un prototipo domótico de control de luminarias de una vivienda para el uso eficiente de la energía.Método: El sistema consta de módulos de control autónomos y un módulo gestor de información; el módulo de control regula las luminarias usando un microcontrolador y un sensor de presencia, e intercambia datos a través de un transceptor de radio frecuencia; el módulo gestor permite el acceso a los módulos de control mediante una interfaz Web. El prototipo fue implementado en una vivienda en la ciudad de San José de Cúcuta, Colombia, por un periodo de sesenta días.Resultados: La aplicación del sistema disminuyó el consumo total de la vivienda en un 3,75 %, con una unidad tipificada de -1,93 obtenida del análisis estadístico.Conclusiones: Se concluye que el prototipo es de bajo costo en comparación con tecnologías similares disponibles en los mercados nacional e internacional, y que reduce el desperdicio de energía eléctrica producto de los hábitos de consumo de los residentes de la vivienda del caso de estudio.Financiamiento: Universidad Francisco de Paula Santander.

En este artículo se presenta un estudio, simulación y evaluación de los fenómenos ópticos no lineales auto-modulación de fase (SPM), modulación de fase cruzada (XPM) y mezcla de cuatro ondas (FWM), presentes en una comunicación por fibra óptica, y generados por el efecto electro-óptico Keer. Para ello se realiza el modelado de los fenómenos no lineales en la herramienta computacional Matlab, para determinar las degradaciones producidas en la transmisión de información, operando a 10 Gbps, con multiplexación por división de longitud de onda (WDM) y con potencias de entrada de 20 mW, 40 mW y 60 mW, para un enlace de fibra óptica de 10 Km, 30 Km y 50 Km. En los resultados se evidencio que la incidencia de estos fenómenos no lineales es directamente proporcional a la potencia óptica que adquiere la señal a la entrada del canal.

Objetivo: Realizar una comparación multiplataforma entre los algoritmos de las técnicas de sustracción de fondo y de detectores en cascada por medio de una computadora personal y una placa Raspberry Pi 3B+ con Windows 10 y Debian GNU/LINUX respectivamente, en lenguaje de programación Python 3.7. Metodología: Se proponen tres etapas correspondientes a las mejoras en la imagen de video, la implementación de las técnicas de detección de personas y la evaluación del rendimiento de los algoritmos de dichas técnicas respecto al tiempo de respuesta, espacio de memoria requerido y aciertos en las detecciones. Resultados y discusión: La técnica de sustracción de fondo presenta una exactitud de 89.7% mientras que dicho valor para la técnica de detectores en cascada corresponde al 93.65%. Así mismo, la técnica de sustracción de fondo presenta mejor comportamiento respecto al tiempo de respuesta obteniendo 0.5934 segundos para Windows y 2.6338 segundos para Linux. La técnica de detectores en cascada mejora el requerimiento de espacio disponible en las dos plataformas con 1.1389 GB y 0.3776 GB para el computador personal y la placa Raspberry Pi 3B+ respectivamente. Conclusiones: Tanto la técnica de sustracción de fondo como la técnica de detectores en cascada responden 5 veces más rápido en la computadora personal que en la placa Raspberry Pi 3B+, por su parte, el espacio de memoria requerido por la técnica de sustracción de fondo es 26.28% y 55% superior al espacio requerido por la técnica de detectores en cascada en el computador personal y en la placa Raspberry Pi 3B+ respectivamente.

Para localizar y guardar datos del posicionamiento geográfico de vehículos en tiempo real, se diseñó un sistema de geolocalización compuesto de dos elementos: un prototipo para el envío de coordenadas usando tecnología GPRS y un servidor web para la recepción y almacenamiento de la información recibida desde un GPS. Se utilizó el sistema embebido Raspberry Pi 3, configurado como servidor web HTTP bajo Apache 2.4, integrando PHP y MySQL. Se definió una IP estática local por medio de DHCP para establecer la comunicación del servidor con Internet. El hardware utilizado para enviar los datos corresponde a una tarjeta Arduino UNO; un módulo GPRS, programado mediante comandos AT y un GPS, cuya trama de datos $GPRMC corresponde al estándar NMEA. Los resultados obtenidos muestran una diferencia promedio de 6.50 m entre los datos de ubicación geográfica del dispositivo frente a los valores obtenidos mediante la geolocalización por HTML5; asimismo, se confirmó que el consumo diario del sistema es de 367.97 kB. Finalmente, a través de la puesta en marcha del prototipo se comprobó la precisión del dispositivo en comparación a otras alternativas de geolocalización, así como la viabilidad del uso de datos por medio de SIM card a través del protocolo GPRS.