Ingeniería de Sistemas

Permanent URI for this collection

https://noesis.uis.edu.co/handle/20.500.14071/9263

Browse

Browsing Ingeniería de Sistemas by browse.metadata.evaluator "Argüello Fuentes, Henry"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Diseño de una plataforma software extensible para el despliegue, ejecución y visualización de algoritmos dedicados a la visión por computador.
    (Universidad Industrial de Santander, 2022-09-07) Marcon Caballero, Juan Sebastián; Martínez Carrillo, Fabio; Pedraza Ferreira, Gabriel Rodrigo; Argüello Fuentes, Henry; Meneses Mendoza, Jathinson
    Hoy en día, la visión por computador e inteligencia artificial han permitido soportar y dar solución a un gran número de problemas, en diversas áreas del conocimiento. Muchos de estos métodos han evolucionado a aplicaciones robustas que operan con éxito en la industria. En su mayoría, las aplicaciones están relacionadas con la solución a problemas relacionados con el análisis de datos y la simplificación de tareas repetitivas. Las herramientas características de las ciencias de la computación están centradas en la solución de problemas de optimización y modelamiento de algoritmos de aprendizaje de máquina. Sin embargo estos algoritmos carecen de una estructura de software clara y uniforme, lo que conlleva a prototipos funcionales, pero con poca usabilidad, inclusive por parte de otros expertos en la misma área. Entre otras, estos algoritmos funcionales tienen múltiples dependencias de software que generan problemas de incompatibilidad y dificultad de operar en diferentes ambientes y sistemas operativos. De hecho, muchas de estas propuestas no evolucionan como aplicaciones tecnológicas debido a la dificultad existente en el proceso de despliegue y ejecución de los diferentes modelos que los componen, requiriendo así el diseño de software que ofrezca una infraestructura adecuada para el despliegue, la administración de la complejidad, el manejo de la heterogeneidad y la extensibilidad de la solución. En este trabajo se diseñó y se desarrolló la plataforma de software llamada Deeptools que permite desplegar algoritmos de aprendizaje de máquina y visión por computador, los cuales han sido entrenados para tareas específicas. El despliegue de estos algoritmos se hace mediante una arquitectura de micro-servicios, y el uso de contenedores dockers que permite la independencia de recursos y dependencias propias de las aplicaciones. Luego, se diseñaron vistas generalizadas que permiten visualizar y entender el comportamiento de las aplicaciones, con datos de entrenamiento, pero además con nuevas interacciones por parte de un usuario. La plataforma propuesta fue validada con más de cinco algoritmos, desarrollados en el grupo de investigación BIVL2ab, mostrando robustez y flexibilidad para el despliegue de aplicaciones heterogéneas, así como usabilidad desde el punto de vista de usuario de la aplicación como el desarrollador del modelo.
  • No Thumbnail Available
    Item
    Estimación de la distribución de densidad interna de objetos geológicos mediante tomografía de muones
    (Universidad Industrial de Santander, 2023-05-23) Dlaikan Castillo, Kevin Joel; Núñez, Luis Alberto; Peña Rodríguez, Jesús; Martínez Carrillo, Fabio; Argüello Fuentes, Henry; González Gómez, Andrés Leonardo
    Los muones son partículas generadas por la interacción de la radiación cósmica y núcleos atómicos en la atmósfera de la Tierra, con capacidad de penetrar cientos de metros de roca. La muografía es el proceso por el cual se aprovecha el flujo atenuado de muones detectado por un instrumento ubicado en un punto de observación, para obtener una imagen 2D (muograma) de la distribución de densidad interna del objeto estudiado. La tomografía de muones es el proceso en el cual se utilizan los muogramas obtenidos en diferentes puntos de observación alrededor del objeto para estimar la distribución de densidad volumétrica (3D) de la estructura. Como regla general, a mayor cantidad de puntos de observación, más precisa es la reconstrucción por tomografía respecto al objeto original. No obstante, se ha encontrado que para el volcán Cerro Machín en Colombia se cuenta con sólo 4 puntos de observación favorables debido a sus dificultades topográficas. Actualmente no se tiene una distribución de densidad interna disponible del volcán Cerro Machín. En este trabajo se experimentó inicialmente con el espectro Shepp-Logan y se observó que la curva de RMSE (Root Mean Squared Error) en las reconstrucciones tomográficas obtenidas con el algoritmo ART (Algebraic Reconstruction Technique) sigue una tendencia parabólica al variar el número de puntos de observación igualmente espaciados. Esto implica que hay un número medio de puntos de observación que minimiza el error en la reconstrucción tomográfica en comparación con el objeto original. En segunda estancia se obtuvo la distribución de distancia recorrida por los muones en roca del volcán Cerro Machín por medio del algoritmo ART disponible en la librería TomoPy. Se dispuso de 42 muogramas obtenidos en puntos de observación a 1059 +- 40 metros de distancia del punto más alto del volcán y una altura de 2495 +- 10 m s.n.m. Finalmente se evaluó el mapa de error sistemático y el RMSE de las vistas de la reconstrucción variando el número de puntos de observación e iteraciones, obteniendo un error mínimo (RMSE = 0.117) en la vista superior de la reconstrucción de 14 puntos y 1 iteración y un error mínimo (RMSE = 0.059 km) en la vista frontal con 14 puntos y 2 iteraciones, por lo que se pudo obtener una mejor reconstrucción con 28 puntos de observación menos que los iniciales.