Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales

Autores
Flores, Hugo Daniel; Neil, Carlos Gerardo
Año de publicación
2025
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 daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
daños
visión artificial
redes neuronales convolucionales
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/190455
Acceder
id SEDICI_ef365fc727f38d99fb1d985781a3e1b6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190455
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales ConvolucionalesFlores, Hugo DanielNeil, Carlos GerardoCiencias Informáticasdañosvisión artificialredes neuronales convolucionalesUn alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf1-14http://sedici.unlp.edu.ar/handle/10915/190455spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19556info:eu-repo/semantics/altIdentifier/issn/2451-7496info: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:UNLP2026-02-26T11:39:47Zoai:sedici.unlp.edu.ar:10915/190455Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-02-26 11:39:47.722SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
title Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
spellingShingle Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
Flores, Hugo Daniel
Ciencias Informáticas
daños
visión artificial
redes neuronales convolucionales
title_short Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
title_full Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
title_fullStr Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
title_full_unstemmed Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
title_sort Clasificación de daños con visión artificial en transporte marítimo de vehículos : Implementación de Redes Neuronales Convolucionales
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
visión artificial
redes neuronales convolucionales
topic Ciencias Informáticas
daños
visión artificial
redes neuronales convolucionales
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 daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.
Sociedad Argentina de Informática e Investigación Operativa
description Un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades. Para mejorar la eficiencia de estos procesos, la Visión Artificial (VA) se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. El objetivo de este trabajo es implementar el uso de algoritmos de Inteligencia Artificial (IA) para detectar y clasificar daños en la industria marítima. Se describe la creación y ejecución de 3 modelos de Redes Neuronales Convolucionales (RNC) para identificar tipos de daños, partes de autos dañados, y lugares donde son producidos, así como el procedimiento para obtener la información de las bases de datos actualmente en producción en la industria automotriz. Luego, se realiza un análisis profundo para determinar la exactitud de los resultados obtenidos y los cambios que se deben hacer en los procesos para producir mejores modelos de RNC. Se ha comprobado que las técnicas de VA basadas en RNC son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. También se ha demostrado que es conveniente para la industria marítima estandarizar tanto los procesos de inspección como los procedimientos de captura de datos para producir modelos de IA con mejores resultados.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
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/10915/190455
url http://sedici.unlp.edu.ar/handle/10915/190455
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19556
info:eu-repo/semantics/altIdentifier/issn/2451-7496
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
1-14
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_ 1858282593038893056
score 12.665996

Publicaciones similares