Inteligencia Artificial

En los últimos años, la importancia de la Inteligencia Artificial ha crecido exponencialmente, debido a la gran cantidad de aplicaciones que se pueden encontrar en todos los ámbitos y que sin darnos cuenta, utilizamos en nuestro día a día. Su importancia radica en los beneficios que puede generar para la humanidad entera.
La línea de Inteligencia Artificial tiene como objetivo preparar a los estudiantes, proporcionando una formación académica de alto nivel y su aplicación innovadora en la solución de problemas en el campo de la Visión por Computadora, Visión Robótica, Aprendizaje Automático, Biometría, Video vigilancia inteligente, Aprendizaje Profundo y Redes de Tercera Generación, Algoritmos bioinspirados, Bioinformática, Procesamiento del Lenguaje Natural, Agricultura de Precisión, entre otras áreas. La línea tiene como finalidad que los estudiantes conozcan y apliquen conocimiento de vanguardia para contribuir en el desarrollo tecnológico en las áreas primordiales para la comunidad nacional e internacional.

Profesores de la línea de Inteligencia Artificial

  • Dra. Andrea Magadán Salazar. URJC-España, andrea.ms@cenidet.tecnm.mx
  • Dr. Gerardo Reyes Salgado. INPG-Francia, a href="mailto:gerardo.rs@cenidet.tecnm.mx">gerardo.rs@cenidet.tecnm.mx
  • Dr. José Ruiz Ascencio. USussex-Inglaterra, jose.ra@cenidet.tecnm.mx
  • Dr. Manuel Mejía Lavalle. ITESM-México, manuel.ml@cenidet.tecnm.mx
  • Dr. Raúl Pinto Elías. CINVESTAV-México, raul.pe@cenidet.tecnm.mx
  • Áreas de investigación

    Visión Artificial para una descripción semántica de una imagen

    Empleando la visión Artificial se puede describir el contenido de una imagen, una descripción simple sería considerando los objetos identificados en ella; una descripción más compleja se obtiene generando una descripción semántica. En el Cuerpo Académico de Inteligencia Artificial del TecNM/CENIDET se realiza investigación en este campo para desarrollar modelos y algoritmos de procesamiento digital de imágenes, de modelado semántico, de inferencia semántica partiendo de información visual. Como ejemplos del campo de aplicación se pueden mencionar: sistemas de ayuda para personas con deficiencias en su capacidad visual, sistemas automáticos de narración de contenidos visuales, sistemas de video vigilancia con interpretaciones semánticas, sistemas de apoyo para e-learning que se adapte al lenguaje corporal automáticamente, recuperación de imágenes con contenidos semánticamente equivalentes, organización y/o indexado de bancos de imágenes por semejanza semántica, etc.
    sistemas hibridos 1

    Redes Neuronales de tercera generación

    En tanto que las Redes Neuronales Artificiales de Primera y Segunda Generación lograron resolver problemas de tipo simbólico, hasta ese entonces difíciles de resolver con otras técnicas, las de Tercera Generación están abordando de manera más bio-inspirada otro tipo de problemas en la frontera del conocimiento que aún las Redes Neuronales previas atacaron de manera parcial. Por su naturaleza pulsante, las Redes Neuronales de Tercera Generación pueden resolver con menos neuronas problemas que otras Redes Neuronales no podían o que requerían demasiadas capas y neuronas para obtener resultados aceptables.
    En el grupo ya se ha incursionado con éxito en problemas difíciles de optimización, de segmentación y mejoramiento en la calidad de imágenes digitales, por ejemplo, que están ayudando a resolver temas de la robótica (planeación y visión robótica) y de salud pública (detección de lesiones cerebrales y de otro tipo), así como en el área genómica (secuenciación masiva y bioinformática) y en general problemas en el área de Big Data. Es un área de gran interés porque, aunque las Redes de Tercera Generación están dando nuevos enfoques de solución, aún no son completamente entendidas, además de que hay muchos problemas susceptibles de ser resueltos y que está a la espera de soluciones disruptivas de Inteligencia Artificial.

    sistemas hibridos 1

    Biometría

    Debido al gran avance que tiene la tecnología cada día, los sistemas de seguridad son cada vez más sofisticados. Desde hace varios años, los sistemas biométricos mostraron ser una gran herramienta para identificar a una persona basándose en las características físicas de la misma. Estas características pueden ser el rostro, la huella dactilar, la voz, la palma de la mano, la oreja etc. Estos sistemas ofrecen una mayor seguridad que los métodos tradicionales como contraseñas, llaves o tarjetas.
    Entre las características biométricas que se han trabajado en el grupo se encuentra el rostro y la oreja. El análisis del rostro se ha utilizado para identificar una persona en ambientes no controlados como en un examen en línea, para reconocer el estado de ánimo de una persona mientras estudia o para determinar el nivel de fuerza y movimiento que una persona puede realizar mientras ejercicios de rehabilitación. El principal interés en la oreja se debe a que es invariante a los estados de ánimo u expresiones faciales, además de que es bajamente afectada por la edad, su adquisición no necesita equipo especializado y está cerca de la simetría bilateral, por lo que se puede usar cualquiera de las dos orejas para identificar y es única incluso en gemelos.

    sistemas hibridos 1 sistemas hibridos 1

    Videovigilancia inteligente

    En las últimas décadas, la investigación en videovigilancia se ha convertido en una importante temática en el área de Visión por Computadora, debido a la necesidad de remplazar la tradicional videovigilancia por sistemas automáticos de análisis de video y a la demanda del reconocimiento automático de las actividades humanas. La detección de personas es una tarea compleja por diversos factores como la posición de la cámara de vídeo, la distancia de la cámara, la variabilidad en la apariencia de los seres humanos, la amplia gama de posturas y movimientos del cuerpo, las variaciones en el brillo, la intensidad luminosa (alta o escasa), los niveles de contraste o fondos, el número de personas, oclusiones y entornos no controlados que contienen grandes cantidades de información no relacionada que obstaculizan la tarea de detección. En el cenidet, los desarrollos realizados implican el seguimiento de una persona en video, en un ambiente de una sola cámara o múltiples cámaras, para detectar, seguir y clasificar su comportamiento como normal o atípico, dependiendo del lugar, horario y la acción realizada.

    sistemas hibridos 1

    Agricultura de precisión

    La Agricultura de Precisión es el conjunto de tecnologías que reúnen la información necesaria para entender las variaciones del suelo y los cultivos de manera automática mediante la visión artificial. El desarrollo de esos sistemas permiten mejorar la gestión de calidad que conforman los sistemas de control apoyando la toma de decisiones para la fertirrigación, podas o aclareos, para conocer el estado de salud de sus árboles, plantas, madurez de la fruta, detección de malezas, entre otras cosas. Esta evolución ha llevado a muchos investigadores a desarrollar métodos de procesamiento de imágenes para trabajar en diferentes campos y en entornos con condiciones reales.
    El grupo de Inteligencia artificial trabaja en el desarrollo sistemas de visión artificial, para la segmentación y contabilización de árboles, en imágenes aéreas obtenidas a través de drones, correspondientes a plantaciones de árboles de higo y aguacates, ubicadas en el estado de Morelos. También se investiga sobre la detección y reconocimiento de patologías y plagas presentes en la plantas de la región.
    sistemas hibridos 1

    Visión Robótica

    El grupo de Inteligencia Artificial está interesado en el desarrollo de robots móviles autónomos, para ello se trabaja en la odometría por fusión de visión y unidades de medición inercial, localización y mapeo simultaneo, detección de cierre de ciclos en visión robótica, aplicación a realidad aumentada y otros. Un ejemplo del desarrollo de la visión robótica es la utilización de vehículos autónomos aéreos (UAV por sus siglas en inglés) para actividades de inspección, búsqueda, vigilancia, etc. puede realizarse de diversas maneras: mediante navegación autónoma, navegación guiada o semiautónoma. También puede realizarse empleando diversos sensores a bordo del UAV y con procesamiento remoto o a bordo.
    En el grupo de Inteligencia Artificial del TecNM/ CENIDET, se está realizando investigación para desarrollar algoritmos y modelos que permitan a un UAV con un SBC (Single Board Computer) y un mínimo de señales, realizar la navegación aérea autónoma en interiores. El UAV debe navegar en estos espacios interiores, desconocidos previamente, y debe explorar evitando los obstáculos hasta encontrar una consigna (identificar un objeto en particular, un ser humano por ejemplo). Para esto el UAV contará con un sistema de visión artificial 2D y sensores 3D a bordo, y todo el procesamiento para la navegación, la evasión de obstáculos e identificación de la consigna se realizará en la SBC a bordo de la unidad.
    sistemas hibridos 1
     Líneas de investigación (LGAC)

    Síguenos

    Sitios de Interés

    Proceso de Admisión Cuotas Oficiales Seguimiento a Egresados Servicios de Cómputo Mobirise Mobirise Mobirise
    Sistema de Gestión Ambiental Sistema de Gestión de Igualdad de Genero y No Descriminación PRODEP Contraloría Social Consorcio Nacional de Recursos de Información Cientifica y Tecnológica Consejo Nacional de Ciencia y Tecnología Becas Nacionales
    Mobirise Mobirise Mobirise Mobirise Mobirise

    Dirección

    Interior Internado Palmira S/N, Col. Palmira, C.P. 62490
    Cuernavaca, Morelos.

    Contacto 

    Email: contacto@cenidet.tecnm.mx 
    Conmutador: 777 362 7770