Publicación: Sistema basado en inteligencia artificial para la traducción de Braille en fotogramas de video
Portada
Citas bibliográficas
Gestores Bibliográficos
Código QR
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor
Fecha
Citación
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen
El sistema Braille es el medio fundamental de lectura y escritura táctil para personas con discapacidad visual, aunque su exigencia de contacto físico limita su uso en entornos dinámicos. Por ello, este trabajo de grado desarrolló un sistema basado en aprendizaje profundo para detectar y traducir inscripciones Braille en fotogramas de video, incorporando un módulo de síntesis de voz. Se construyeron dos conjuntos de datos: uno de imágenes anotadas en Braille y otro de videos grabados en entornos urbanos. Las imágenes fueron preprocesadas mediante redimensionamiento, orientación automática, rotación y adición de ruido. Posteriormente, se implementaron y compararon seis modelos de detección: YOLOv8, YOLO26, RT-DETR, Faster R-CNN, RetinaNet y SSDLite, utilizando Ultralytics y PyTorch. En imágenes, RT-DETR obtuvo los mejores resultados, con un mAP50 de 0.878 y un mAP50:95 de 0.636, seguido de YOLOv8, con 0.847 y 0.604, respectivamente. Asimismo, mediante el algoritmo propio de organización espacial, YOLOv8 alcanzó una coincidencia textual de 0.787. En la evaluación de los sintetizadores de voz, gTTS obtuvo las mayores puntuaciones MOS en calidad, naturalidad y pronunciación, con valores entre 9.05 y 8.72, entre 6.13 y 7.01, y entre 8.37 y 8.24, respectivamente. Además, registró un WER de 11.1% en la evaluación completa del pipeline con imágenes. En videos, RT-DETR alcanzó un mAP50 de 0.582, mientras que YOLOv8 obtuvo 0.430. No obstante, YOLOv8 presentó un menor tiempo promedio de inferencia por fotograma, de 8.162 ms, frente a 41.7625 ms de RT-DETR. Los resultados evidencian la viabilidad de integrar detección de Braille y síntesis de voz para traducir inscripciones a partir de video. La combinación de YOLOv8 y gTTS permitió obtener un equilibrio entre precisión de procesamiento, coincidencia textual e inteligibilidad del audio, aunque persisten desafíos asociados a las condiciones reales de captura.

PDF
FLIP 
