Aplicaciones de la inteligencia artificial en ámbitos de uso real

Abstract

En el ámbito de la interacción humano-máquina, la detección y reconocimiento de acciones humanas son esenciales, y recientes avances han aprovechado dispositivos informáticos de alto rendimiento con múltiples sensores. Proponemos un enfoque no invasivo utilizando una red neuronal convolucional temporal para analizar y reconocer actividades humanas en videos cortos. La arquitectura incluye una capa convolucional 3D y una capa convolucional de memoria a corto-largo plazo, combinando características espacio-temporales para resultados en tiempo real y clasificación superior a métodos avanzados. Además, presentamos un método innovador para estimar la acumulación de escarcha en evaporadores. Utilizando señales acústicas, imágenes RGB e inteligencia artificial, nuestro enfoque emplea valores de frecuencia para generar señales acústicas en la cavidad del evaporador. Con una imagen RGB, se visualiza la acumulación de escarcha, y mediante un modelo inteligente acoplado a un altavoz y un micrófono, se estima la acumulación de escarcha con alta exactitud. Dos modelos basados en redes neuronales muestran una precisión del 94% y 99,75% en la estimación de cuatro niveles de acumulación de escarcha en refrigeradores domésticos. Estas soluciones de bajo costo y fácil integración destacan como herramientas precisas para evaluar la acumulación de escarcha en evaporadores, crucial para optimizar la eficiencia de la refrigeración en condiciones de uso típicas.

Resumen en Tesis: En el ámbito de la interacción humano-máquina y en diversos campos, la detección y el reconocimiento de las acciones humanas revisten una importancia primordial. En la última década, los avances en el reconocimiento de la actividad humana han aprovechado los dispositivos informáticos de alto rendimiento, utilizando una multitud de sensores para mejorar la calidad y la eficiencia de los resultados. En busca de un enfoque no invasivo, proponemos un novedoso diseño que emplea una red neuronal convolucional temporal. Esta red aprovecha las características espacio-temporales para el análisis y el reconocimiento de las actividades humanas basándose únicamente en entradas de videos cortos. La arquitectura propuesta está basada en una capa convolucional 3D y una capa convolucional de memoria a corto-largo plazo, combinando características de tiempo con características espaciales. Esta innovadora metodología optimiza los recursos computacionales para un entrenamiento/clasificación rápidos, logrando resultados de clasificación en tiempo real. En particular, las simulaciones muestran resultados de clasificación superiores a los de los métodos más avanzados en el estado del arte, incluso a los que requieren datos de más sensores. Ampliando nuestro enfoque, presentamos un método innovador para estimar la escarcha acumulada sobre la superficie de un evaporador, utilizando señales acústicas, imágenes RGB e inteligencia artificial. Dirigido a la superficie del evaporador, nuestro enfoque emplea diversos valores de frecuencia para generar señales acústicas que interactúan dentro de la cavidad del evaporador. Concurrentemente, se captura una imagen RGB del evaporador donde visualmente se obtiene la acumulación de la escarcha. Mediante un modelo inteligente acoplado a un altavoz activo y un micrófono estándar, se estima la acumulación de escarcha. Los niveles de presión sonora se emplean para reducir la dimensionalidad de los datos, formando el conjunto de datos de entrenamiento y validación. Las redes neuronales artificiales y las redes neuronales probabilísticas sirven de base a dos modelos inteligentes que muestran una alta exactitud en la estimación de cuatro niveles de acumulación de escarcha en un refrigerador doméstico. Las pruebas realizadas en diferentes refrigeradores en condiciones de uso típicas validan su exactitud. Estos enfoques, con una exactitud de clasificación del 94 % (señales acústicas) y 99,75 % (imágenes RGB), destacan como una solución de bajo costo, precisa y fácilmente integrable para evaluar la acumulación de escarcha en la superficie del evaporador, un aspecto fundamental para optimizar la eficiencia de la refrigeración.