Excelencia en Educación Tecnológica® https://rinacional.tecnm.mx/jspui/handle/TecNM/218 2026-04-30T21:34:09Z 2026-04-30T21:34:09Z Burruel Zazueta, J. Misael https://rinacional.tecnm.mx/jspui/handle/TecNM/11614 2025-12-16T18:58:40Z 2025-08-14T00:00:00Z

Title: Reconocimiento del andar humano mediante técnicas de aprendizaje profundo Authors: Burruel Zazueta, J. Misael Description: El creciente índice de criminalidad y la limitada capacidad de los sistemas tradicionales de videovigilancia para identificar personas de forma no intrusiva en tiempo real plantean la necesidad de nuevas soluciones de seguridad. En este contexto, el Reconocimiento del Andar Humano (RAH) se presenta como una alternativa biométrica prometedora, al permitir la identificación de individuos mediante sus patrones de caminata sin requerir contacto físico o cooperación directa. Esta tesis doctoral aborda el diseño e implementación de un modulo inteligente de reconocimiento del andar humano orientado a escenarios de videovigilancia en tiempo real. A diferencia de soluciones previas, esta propuesta integra enfoques basados en apariencia (siluetas) y modelo (pose estimada), utilizando técnicas de visión artificial y aprendizaje profundo, y considerando como objetivo la identificación precisa de personas en condiciones no controladas y con tiempos de respuesta adecuados para sistemas de seguridad. Como parte fundamental de esta investigación, se creó el conjunto de datos TecNM Gait-DS, el primero en su tipo diseñado específicamente para representar la morfología, vestimenta y estilos de caminata propios de la población latinoamericana. Este conjunto contiene más de 22,500 secuencias de video correspondientes a 124 sujetos, capturados desde 13 ´ángulos de visión diferentes y bajo cinco variantes de caminata: normal, con mochila, con abrigo, cargando caja y maletín. Su construcción se basó en principios de diversidad y equilibrio, permitiendo un entrenamiento robusto de modelos para tareas de identificación biométrica. El modulo inteligente propuesto consta de un módulo de extracción de características en tiempo real, implementado con las redes DensePose y Detectron2, capaces de obtener tanto las siluetas como las poses del cuerpo humano en un tiempo promedio de 45 ms por cuadro. Estas características fueron utilizadas como insumos para modelos de aprendizaje profundo, entre los que se incluyen arquitecturas convolucionales clásicas (ResNet-50, 101 y 152), transformadores (DINO-ViT), y modelos especializados en caminata (GaitMix y GaitRef). Se diseñaron y evaluaron seis esquemas experimentales (A–F) que consideran distintos niveles de preprocesamiento (siluetas con y sin relleno) y enriquecimiento mediante convoluciones angulares basadas en la biomecánica del movimiento. Las evaluaciones se realizaron utilizando tanto el conjunto CASIA-B (referencia internacional) como TecNM Gait-DS (propuesta de este trabajo). Los resultados obtenidos mostraron que los modelos ResNet y DINO-ViT lograron tasas de efectividad superiores al 95% en CASIA-B y al 87% en TecNM Gait-DS, siendo este último conjunto significativamente mías complejo. Los modelos GaitMix y GaitRef, por su parte, alcanzaron un rendimiento superior al 94% en condiciones ideales, y del 87.9% en TecNM Gait-DS, consolidando su robustez frente a variaciones de vista, vestimenta y estilo de caminata. En términos de procesamiento, se comprobó que el sistema cumple con los requisitos de tiempo real, logrando inferencias por debajo de los 50 milisegundos por cuadro. Adicionalmente, se aplicó la desigualdad de Vapnik-Chervonenkis (VC) para demostrar teóricamente que los modelos entrenados con TecNM Gait-DS tienen una mejor capacidad de generalización. A pesar de presentar una efectividad ligeramente menor que en CASIA-B, el uso de un conjunto más amplio, diverso y realista reduce la brecha entre el error empírico y el error esperado, validando su aplicabilidad en escenarios reales de vigilancia. Finalmente, esta tesis no solo contribuye con avances técnicos significativos en la identificación biométrica mediante el andar humano, sino que también aporta valor social al generar tecnologías adaptadas a las condiciones especificas de la región latinoamericana. Los resultados obtenidos sientan las bases para el desarrollo de un sistema embebido completo de videovigilancia inteligente basado en el RAH, orientado a la seguridad en espacios urbanos, instituciones y entornos sensibles.

2025-08-14T00:00:00Z Bátiz Beltrán, Víctor M. https://rinacional.tecnm.mx/jspui/handle/TecNM/11610 2025-12-16T18:31:27Z 2025-08-14T00:00:00Z

Title: Reconocimiento automático de la personalidad y de los sentimientos con base en texto Authors: Bátiz Beltrán, Víctor M. Description: En un mundo en el que la inteligencia artificial se ha hecho omnipresente, el uso de entornos de aprendizaje inteligentes se ha convertido en algo habitual gracias a los avances tecnológicos y al aumento de las capacidades computacionales. No obstante, es esencial ajustar los contenidos disponibles para mejorar su atractivo y eficacia a la hora de promover el aprendizaje. El reconocimiento automático de la personalidad puede permitir que un entorno de aprendizaje inteligente detecte los rasgos de personalidad de los alumnos y adapte el contenido a ellos. Existen varios enfoques y teorías para el reconocimiento automático de rasgos de personalidad. El objetivo de este trabajo es presentar una nueva metodología para recopilar datos y construir un corpus orientado a la personalidad. Se diseñaron y entrenaron modelos de aprendizaje automático y aprendizaje profundo para clasificar rasgos de personalidad según el modelo Big-Five; el entrenamiento se realizó utilizando enfoques tradicionales y novedosos, incluido el uso de Transformers. Además, se presenta la metodología para implementar modelos de reconocimiento de personalidad en un entorno de aprendizaje inteligente. Los resultados de las comparaciones entre varios modelos ponen de relieve que los distintos modelos funcionan mejor en características diferentes, por lo que la combinación de los modelos puede dar lugar a mejores resultados de precisión. Utilizando este enfoque, el corpus desarrollado alcanzó una exactitud promedio del 95.2%, superior a los resultados del estado del arte en la tarea específica de clasificación de rasgos de personalidad. Por último, se presentan los resultados obtenidos en dos experimentos al utilizar el reconocimiento automático de la personalidad en el entorno del aprendizaje inteligente, lo que pone de manifiesto el potencial impacto positivo de la tecnología desarrollada en esta investigación. Se destaca el aporte de las versiones de corpus en idioma español orientados al reconocimiento de personalidad generados durante el desarrollo de esta tesis.

2025-08-14T00:00:00Z Parra Valenzuela, Jaqueline https://rinacional.tecnm.mx/jspui/handle/TecNM/6467 2023-10-17T15:35:32Z 2023-01-01T00:00:00Z

Title: Aplicación web para el monitoreo remoto de los parámetros de calidad del agua en estanques acuícolas usando tecnologías de Aprendizaje máquina e Internet de las cosas Authors: Parra Valenzuela, Jaqueline Description: En la industria acuícola es fundamental mantener un monitoreo continuo de los parámetros de calidad del agua en los estanques; ya que los organismos acuáticos deben sobrevivir en un entorno simulado, de lo contrario el rendimiento y la productividad de la industria se verían afectados. Para ello, este trabajo propone una solución basada en ingeniería de software para el monitoreo utilizando tecnologías de Internet de las cosas y pronóstico utilizando tecnologías de Aprendizaje máquina de los parámetros de calidad del agua en los estanques acuícolas, utilizando servicios externos para recibir la información de los sensores. En el sector acuícola, al menos hablando de la cría de camarón existen diferentes etapas en las que se pueden aplicar estos sistemas de monitoreo: En laboratorios de postlarva (donde se lleva a cabo la siembra de camarón), en el transporte hacia una granja acuícola y en las granjas acuícolas (una vez que el camarón alcanza cierta etapa se envían a una granja acuícola para que continúen su desarrollo hasta alcanzar la etapa comercial). El sistema se implementó para la etapa del transporte, pero su arquitectura fue diseñada para que se pudiera adaptar al resto de las etapas fácilmente. Este sistema se basa en una aplicación móvil que recibe por Bluetooth los datos que son enviados de los sensores de oxígeno disuelto y temperatura, una vez recibidos los procesa, es decir les agrega la fecha y la hora a la fueron recibidos y los envía a una aplicación web para que los usuarios los puedan visualizar en cualquier dispositivo. La aplicación web, envía alertas por correo electrónico a los usuarios, realiza un pronóstico a múltiples pasos al futuro del estado del oxígeno disuelto y temperatura y muestra los datos mediante tableros de control y gráficos. Desarrollar un sistema Internet de las cosas es de gran ayuda para recolectar datos y así mismo aplicar otros sistemas que permitan estudiar esos datos para resolver distintas problemáticas, en el caso de los laboratorios y granjas acuícolas, este sistema puede brindar información anticipada a los usuarios sobre el futuro estado de los parámetros de calidad del agua, para que se puedan prevenir riesgos en la producción. Sin embargo, como trabajo a futuro es necesario que se tome un tiempo mínimo de un año para recolectar datos por medio de la aplicación y que los modelos de entrenamiento mejoren y puedan brindar información más acertada.

2023-01-01T00:00:00Z Tejeda Ochoa, David Alejandro https://rinacional.tecnm.mx/jspui/handle/TecNM/6466 2023-10-17T15:41:20Z 2022-01-01T00:00:00Z

Title: Técnicas de deep learning para el control de un Mecanismo implementando visión artificial Authors: Tejeda Ochoa, David Alejandro Description: Las inteligencia artificial se ha vuelto una de las áreas de conocimiento más importantes del último tiempo, hay empresas como Google, Microsoft o Amazon que ponen cada vez más atención a desarrollar e integrar a sus productos técnicas de esta disciplina. Desde el procesamiento del lenguaje para los asistentes virtuales, hasta la fotografía móvil, en donde los celulares ya han llegado a un punto que con el procesamiento de imagen realizado por la inteligencia artificial ha logrado acercarse al resultado de una cámara fotográfica profesional. Integrar las tecnologías de esta área con otras áreas se ha convertido en un desafío para los equipos de desarrollo. Unas de las áreas que podría trabajar en conjunto con estas técnicas sería la del control e instrumentación. Por su naturaleza, estas áreas ya cuentan con un algoritmo programado para realizar las tareas, por lo que es posible, dentro de esa programación, integrar algoritmos de inteligencia artificial. El proyecto aquí presentado hace una integración entre estas áreas de conocimiento, inteligencia artificial, control e instrumentación, adaptando técnicas de inteligencia artificial como lo es la visión artificial o el aprendizaje profundo, a sistemas de control e instrumentación convencionales. Este es capaz de hacer mediciones en tiempo real de la posición y velocidad angular de un mecanismo de péndulo invertido, por medio de un sensor fotográfico, supliendo a los sensores como acelerómetro y giroscopio. Además de implementar una red neuronal en un sistema de control por modos deslizantes, obteniendo un control más robusto. Este sistema ha sido probado respecto a referencias ideales de posición, velocidad y señaales de control, obteniendo una rapidez de muestreo del sistema de visión artificial de entre 1 a 9 milisegundos, y una adaptación a perturbaciones lo suficientemente buena, también con una buena exactitud, acercándose a los valores reales. Además generando una señal de control acercada a la ideal, adaptándose, también, a perturbaciones bruscas que sufrió el sistema durante las pruebas.

2022-01-01T00:00:00Z