GUION

Hola y bienvenidos a este video donde les presentaremos un trabajo realizado por
ingenieros Unadistas para una empresa de movilidad que está desarrollando un
módulo de visión por computadora apoyado en inteligencia artificial. El objetivo de
este proyecto es identificar el último dígito de las placas de automóviles, para
establecer el nuevo pico y placa de la ciudad. Para lograr esto, se han seguido
cuatro fases que les explicaremos a continuación.
En la primera fase, se realizó el tratamiento de las imágenes de las placas,
aplicando un filtro de escala de grises, analizando los canales RGB y HSV, y
ajustando el contraste y el brillo. Además, se investigaron conceptos como la
diferencia entre una imagen en RGB, escala de grises y binaria, y el valor de los
píxeles en una imagen binaria en Matlab (si gusta explique esos conceptos los
cuales están en las diapositivas).
En la segunda fase, se aplicaron técnicas de segmentación binaria, detección de
bordes y operaciones morfológicas para extraer el último dígito de las placas. Para
ello, se utilizaron umbrales globales y locales, ruido gaussiano y sal y pimienta, y
funciones morfológicas como dilatación, erosión, apertura y cierre. Se investigaron
conceptos como la definición y el funcionamiento de estas técnicas y sus ventajas
y desventajas(igualmente que el anterior, están en las diapositivas).
En la tercera fase, se entrenó un modelo de clasificación basado en máquinas de
vectores de soporte (SVM) para reconocer el último dígito de las placas. Para ello,
se extrajeron características de las imágenes segmentadas, como el área, el
centroide. Se investigaron conceptos como la definición y el funcionamiento de los
clasificadores supervisados, los tipos de kernels que tiene una SVM y la diferencia
entre un clasificador sp y no sp en imágenes(están en las diapos).
En la última fase, se evaluó el desempeño del modelo SVM y se comparó con un
clasificador basado en umbral. Para ello, se utilizaron medidas como la precisión,
la exactitud, la sensibilidad y la especificidad. Se investigaron conceptos como la
evaluación cualitativa y cuantitativa en tratamiento de imágenes, y los tipos de
errores que se pueden cometer al clasificar una imagen(diapos).
Los resultados obtenidos muestran que el modelo SVM fue muy efectivo para
identificar el último dígito de las placas, mientras que el clasificador por umbral no
lo fue tanto. Esto demuestra el potencial de la inteligencia artificial para resolver
problemas complejos de visión por computadora.