https://rinacional.tecnm.mx/jspui/handle/TecNM/1272 MSC Sun, 26 Apr 2026 18:36:47 GMT 2026-04-26T18:36:47Z https://rinacional.tecnm.mx/jspui/handle/TecNM/7446 Title: Sistema de monitoreo y control de variables ambientales a invernaderos utilizando tecnologías web Authors: Zamitiz Cordoba, Giovani Description: Este trabajo presenta la implementación exitosa de un sistema innovador que demuestra la eficiencia y el potencial del uso combinado de la plataforma de servicios en la nube de Amazon Web Services (AWS) y la potente tarjeta embebida Raspberry Pi en un entorno de invernadero. La investigación se llevó a cabo en el invernadero de la licenciatura de Biología del Instituto Tecnológico Superior de Tecnológico de Zacapoaxtla, con el objetivo de abordar un área de oportunidad en la región de Teziutlán, donde la agricultura protegida aún no se ha desarrollado ampliamente. El sistema desarrollado en este proyecto abarca una amplia gama de componentes electrónicos, diseño y programación personalizados para el monitoreo y control de variables ambientales en invernaderos agrícolas. Para lograr esto, se empleó la potencia de procesamiento y las capacidades de conectividad de la tarjeta Raspberry Pi 4, junto con los servicios altamente escalables y confiables de AWS, que incluyen la comunicación, el almacenamiento y la visualización de datos. Uno de los aspectos destacados de este proyecto es el diseño y la implementación de shields personalizados, que simplifican la conexión y protección de los sensores utilizados en el sistema. Estos shields fueron diseñados específicamente para adaptarse a las necesidades del invernadero y garantizar un funcionamiento óptimo de los sensores en un entorno agrícola. Para validar la efectividad del sistema implementado, se llevó a cabo una prueba utilizando el cultivo de suculentas piedras de luna en el invernadero. Además, se desarrollaron códigos de inicio y reset para automatizar el proceso y facilitar la operación del sistema. Los resultados de la prueba demostraron una excelente capacidad de control y monitoreo de variables ambientales, como la humedad del suelo y la temperatura, utilizando la combinación de AWS y Raspberry Pi. La evaluación del rendimiento de AWS en el sistema reveló un flujo de información eficiente entre los distintos servicios utilizados. Sat, 01 Jul 2023 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/7446 2023-07-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/7444 Title: Desarrollo de un sistema de software basado en Transformers para la detección de lenguaje de odio en medios sociales en español Authors: Vazquez Benito, Angel Oswaldo Description: Las redes sociales se han convertido en un medio de comunicación global, sin embargo, a medida que el contenido en línea continúa creciendo, también lo hace la difusión del discurso de odio, el cual puede entenderse como un ataque directo a las personas en función de su raza, etnia, origen nacional, afiliación religiosa, orientación sexual, casta, sexo, género, identidad de género y enfermedad o discapacidad grave. Por otro lado, los avances recientes en técnicas de aprendizaje profundo han revolucionado muchas aplicaciones de procesamiento de lenguaje natural, tal es el caso de los Transformers, que son modelos de aprendizaje profundo que adoptan el mecanismo de auto atención, ponderando diferencialmente el significado de cada parte de los datos de entrada. Dicho esto, el objetivo de este proyecto es desarrollar un sistema de software basado en Transformers para la detección de lenguaje de odio en medios sociales en español, concretamente, fuentes de datos de México, con el objetivo de contribuir al soporte a la toma de decisiones por parte de instituciones gubernamentales de seguridad ciudadana y demás organizaciones civiles enfocadas en proporcionar a la ciudadanía una vida libre de violencia. Sat, 01 Jul 2023 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/7444 2023-07-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/7443 Title: Desarrollo de un enfoque de análisis de medios sociales basado en técnicas de Procesamiento de Lenguaje Natural y análisis Psicolingüístico para determinar los principales factores de rechazo entre los movimientos antivacunas en Idioma Español Authors: Torrijos Rivera, Maria Guadalupe Description: Esta investigación presenta el desarrollo de un enfoque integral para analizar datos de medios sociales y examinar los principales factores que contribuyen al rechazo de la vacunación dentro de los movimientos antivacunas de habla hispana. El estudio emplea un marco multidisciplinario que combina técnicas de Procesamiento de Lenguaje Natural (PLN) y Psicolingüística, siguiendo la metodología CRISP (Cross-Industry Standard Process for Data Mining). Los objetivos de la investigación abarcan varias etapas. En primer lugar, se realiza una amplia revisión del estado del arte para identificar las herramientas de software más utilizadas y las técnicas relevantes en PLN y Psicolingüística para analizar opiniones y emociones en textos en español. Esto sirve como base para el análisis posterior. Utilizando la metodología CRISP, se identifican y recopilan fuentes relevantes de datos de medios sociales, como Twitter, Facebook y YouTube de los cuales se obtuvieron los comentarios más relevantes respecto a los movimientos antivacunas. Estas fuentes se utilizan luego para construir un corpus de opiniones y discursos sobre la vacunación, proporcionando un conjunto de datos rico para la investigación. La investigación continúa con la actividad de identificar y categorizar automáticamente las palabras en un texto de acuerdo con diversas dimensiones psicológicas y lingüísticas. Con esta técnica de PLN se realiza la extracción de características psicolingüísticas para analizar el contenido de textos en diferentes dimensiones lingüísticamente significativas. Después de la etapa de preparación de los datos, se selecciona el algoritmo de aprendizaje automático más adecuado en función de la naturaleza de los datos y los objetivos de la investigación. Este algoritmo se entrena utilizando el corpus desarrollado para crear modelos de predicción destinados a identificar los principales factores que contribuyen al rechazo de la vacunación en los movimientos antivacunas de habla hispana. Aplicando la metodología CRISP, los modelos de predicción resultantes se evalúan y analizan minuciosamente para extraer ideas valiosas sobre los factores subyacentes que impulsan el rechazo de las vacunas dentro del contexto hispanohablante. Estos hallazgos tienen implicaciones significativas para comprender las motivaciones y creencias dentro de los movimientos antivacunas, y pueden informar el diseño de estrategias de comunicación y educación dirigidas para promover una mayor aceptación de las vacunas. En conclusión, esta tesis presenta un enfoque innovador que combina PLN y Psicolingüística dentro del marco de la metodología CRISP para analizar datos de medios sociales como Twitter, Facebook y YouTube en el contexto de los movimientos antivacunas de habla hispana. La aplicación de este enfoque contribuye a una comprensión más profunda de los factores que influyen en el rechazo de las vacunas y facilita la toma de decisiones basada en evidencia en las intervenciones de salud pública. Sat, 01 Jul 2023 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/7443 2023-07-01T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/7442 Title: Sistema de mejora de imágenes con resaltado de áreas de interés para el apoyo en la detección de cáncer de mama Authors: Ruiz Aburto, Alberto Description: El cáncer de mama representa el 14% de todas las muertes relacionadas al cáncer en mujeres, siendo un 1.6% del total de defunciones femeninas en el mundo. En México representa la primera causa de muerte por cáncer en las mujeres principalmente por atención tardía de tratamiento o por no buscar atención médica ante la presencia de síntomas de cáncer de mama, así como por diagnóstico tardío por parte del sistema de salud. Actualmente, la mamografía es la técnica más fiable para la detección de cáncer de mama y es por ello por lo que la mejora de este tipo de imágenes es de suma importancia pues representa un apoyo para médicos y técnicos radiólogos encargados de otorgar diagnósticos. En este sentido, el presente trabajo propone el desarrollo de un sistema de mejora de imágenes con resaltado de áreas de interés para el apoyo en la detección de cáncer de mama. Este sistema se basa en técnicas tales como la aplicación de un filtro medio adaptativo para eliminar el ruido de la imagen, la conversión a escala de grises mediante un filtrado de media adaptativa, el preprocesamiento de imágenes mediante la segmentación por medio de GMM (Modelo de Mezcla Gaussiana) y HMRF-EM (Modelo de campo aleatorio oculto de Markov) y la maximización de expectativas, todo ello con el objetivo de clasificar la mastografía como normal, benigna o maligna. Los resultados obtenidos demuestran que cuando se emplea el sistema desarrollado, es decir, cuando se trabaja con mastografías normalizadas, se obtiene un 100% de efectividad en cuanto a las clasificaciones, mientras que con mastografías no normalizadas el porcentaje de efectividad se ve disminuido a un 19%. Debido a esto se recomienda trabajar con mastografías normalizadas, para que la efectividad en cuanto a clasificaciones y detección de anormalidades en la mama sea más precisa. Wed, 01 Dec 2021 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/7442 2021-12-01T00:00:00Z