Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura
- Autores
- Flores, Hugo Daniel; Neil, Carlos Gerardo
- Año de publicación
- 2023
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar posibles daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades por daños. Para mejorar la eficiencia de estos procesos, la visión artificial se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es analizar el uso de algoritmos de inteligencia artificial para detectar y clasificar daños en la industria marítima. Se describe detalladamente la creación y ejecución de un protocolo que establece un conjunto de preguntas, así como el procedimiento para realizar la búsqueda bibliográfica y aplicar filtros para identificar los artículos relevantes. Luego, se realiza un análisis profundo para responder a las preguntas planteadas en el protocolo. Se ha demostrado que las técnicas de visión artificial basadas en Redes Neuronales Convolucionales (RNC) son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. No se han identificado desarrollos tecnológicos que usen RNC para detectar y clasificar daños en transporte marítimo automotriz, por lo tanto, es viable explorar alternativas que incluyan técnicas de visión artificial para resolver los problemas planteados en la industria naviera.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Daños
Redes Neuronales
Visión Artificial - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/164809
Ver los metadatos del registro completo
id |
SEDICI_0a098a09a3416ab1964ea780d2609862 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/164809 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literaturaFlores, Hugo DanielNeil, Carlos GerardoCiencias InformáticasDañosRedes NeuronalesVisión ArtificialUn alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar posibles daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades por daños. Para mejorar la eficiencia de estos procesos, la visión artificial se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es analizar el uso de algoritmos de inteligencia artificial para detectar y clasificar daños en la industria marítima. Se describe detalladamente la creación y ejecución de un protocolo que establece un conjunto de preguntas, así como el procedimiento para realizar la búsqueda bibliográfica y aplicar filtros para identificar los artículos relevantes. Luego, se realiza un análisis profundo para responder a las preguntas planteadas en el protocolo. Se ha demostrado que las técnicas de visión artificial basadas en Redes Neuronales Convolucionales (RNC) son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. No se han identificado desarrollos tecnológicos que usen RNC para detectar y clasificar daños en transporte marítimo automotriz, por lo tanto, es viable explorar alternativas que incluyan técnicas de visión artificial para resolver los problemas planteados en la industria naviera.Red de Universidades con Carreras en Informática2023-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf170-180http://sedici.unlp.edu.ar/handle/10915/164809spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-9285-51-0info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:13:29Zoai:sedici.unlp.edu.ar:10915/164809Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:13:29.318SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
title |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
spellingShingle |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura Flores, Hugo Daniel Ciencias Informáticas Daños Redes Neuronales Visión Artificial |
title_short |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
title_full |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
title_fullStr |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
title_full_unstemmed |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
title_sort |
Detección de daños con visión artificial en inspecciones marítimas: un mapeo sistemático de la literatura |
dc.creator.none.fl_str_mv |
Flores, Hugo Daniel Neil, Carlos Gerardo |
author |
Flores, Hugo Daniel |
author_facet |
Flores, Hugo Daniel Neil, Carlos Gerardo |
author_role |
author |
author2 |
Neil, Carlos Gerardo |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Daños Redes Neuronales Visión Artificial |
topic |
Ciencias Informáticas Daños Redes Neuronales Visión Artificial |
dc.description.none.fl_txt_mv |
Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar posibles daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades por daños. Para mejorar la eficiencia de estos procesos, la visión artificial se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es analizar el uso de algoritmos de inteligencia artificial para detectar y clasificar daños en la industria marítima. Se describe detalladamente la creación y ejecución de un protocolo que establece un conjunto de preguntas, así como el procedimiento para realizar la búsqueda bibliográfica y aplicar filtros para identificar los artículos relevantes. Luego, se realiza un análisis profundo para responder a las preguntas planteadas en el protocolo. Se ha demostrado que las técnicas de visión artificial basadas en Redes Neuronales Convolucionales (RNC) son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. No se han identificado desarrollos tecnológicos que usen RNC para detectar y clasificar daños en transporte marítimo automotriz, por lo tanto, es viable explorar alternativas que incluyan técnicas de visión artificial para resolver los problemas planteados en la industria naviera. Red de Universidades con Carreras en Informática |
description |
Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar posibles daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades por daños. Para mejorar la eficiencia de estos procesos, la visión artificial se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es analizar el uso de algoritmos de inteligencia artificial para detectar y clasificar daños en la industria marítima. Se describe detalladamente la creación y ejecución de un protocolo que establece un conjunto de preguntas, así como el procedimiento para realizar la búsqueda bibliográfica y aplicar filtros para identificar los artículos relevantes. Luego, se realiza un análisis profundo para responder a las preguntas planteadas en el protocolo. Se ha demostrado que las técnicas de visión artificial basadas en Redes Neuronales Convolucionales (RNC) son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. No se han identificado desarrollos tecnológicos que usen RNC para detectar y clasificar daños en transporte marítimo automotriz, por lo tanto, es viable explorar alternativas que incluyan técnicas de visión artificial para resolver los problemas planteados en la industria naviera. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/164809 |
url |
http://sedici.unlp.edu.ar/handle/10915/164809 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-9285-51-0 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/163107 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 170-180 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260638993219584 |
score |
13.13397 |