Resumen

La visión por computadora proporciona soluciones efectivas en muchos problemas relacionados con la imagen, incluida la segmentación automática de imágenes y la clasificación. Los modelos entrenados artificialmente pueden ser empleados para etiquetar imágenes e identificar objetos de manera espontánea. En la fabricación a gran escala, se utilizan cámaras industriales para tomar imágenes constantes de componentes por diversas razones. Debido a las limitaciones causadas por el movimiento, la distorsión de la lente y el ruido, se capturan algunas imágenes defectuosas, las cuales deben ser identificadas y separadas. Una forma común de abordar este problema es examinando estas imágenes manualmente. Sin embargo, esta solución no solo es muy demorada, sino también imprecisa. El artículo propone un sistema artificialmente inteligente basado en el aprendizaje profundo que puede entrenar e identificar rápidamente imágenes defectuosas. Para este propósito, se emplea una red neuronal convolucional preentrenada basada en el marco de trabajo PyTorch para extraer características discriminantes del conjunto de datos, que luego se utilizan para

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Visión por computador; Segmentación de imágenes; Clasificación; Inteligencia artificial; Aprendizaje profundo; Red neuronal convolucional.
• Keywords:Computer vision; Image segmentation; Classification; Artificial intelligence; Deep learning; Convolutional neural network