UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA

FACULTAD DE INGENIERÍAS

ESCUELA PROFESIONAL DE INGENIERÍA

DE
COMPUTACIÓN Y SISTEMAS

TÍTULO
INTELIGENCIA ARTIFICIAL EN EL ÁMBITO
DE LA ROBÓTICA

CURSO
EPISTEMOLOGÍA DE LA INGENIERÍA

1
ICA - PERÚ
2022

2
PROFESOR DEL CURSO:

CLAUDIO JESUS IBARRA RIOS

GRUPO05 _LRPD2

PRESENTADO POR LOS ESTUDIANTES:

 PEÑA TARQUI RODOLFO JESUS
 QUISPE SANTE VICTOR FABIAN

CICLO:
• I

3
 AGRADECIMIENTO

La universidad, por las oportunidades que nos han brindado son incomparables, y
estamos muy satisfechos por los logros alcanzados. Agradecemos mucho la ayuda del
docente CLAUDIO JESUS IBARRA RIOS, a nuestros compañeros, y a la universidad.

4
 DEDICATORIA

A nuestros padres, quienes son nuestro mayor apoyo. A nuestro docente que nos dio
su mutuo apoyo y a diversas personas que con sus conocimientos y experiencias nos
han ayudado con el desarrollo de este proyecto.

5
 ÍNDICE
Agradecimiento 4

Dedicatoria 5

Introducción 7

Bibliografía 20

6
1. OBJETIVOS

General:

Presentar propuesta de mejora del uso de la inteligencia artificial en la robótica.

Específicos:

-Detallar los conceptos de transformación e innovación digital y otros factores de relación.

-Describir la empresa.

-Exponer la propuesta de mejora (control de asistencia).

7
 INTRODUCCIÓN

Introducción Es fundamental describir el ámbito, las condiciones humanas de la

persona, los escenarios donde se generan los procesos del conocimiento y su
experiencia con la realidad; es donde la persona concibe una valoración de la ciencia,
la cultura y los cambios estructurales mediante el descubrir, conocer y reflexionar
sobre el campo de estudio específico. Aristóteles decía: “todos los seres vivos tienen
algún tipo de conocimiento de acuerdo con las funciones propias de cada uno de ellos.
La experiencia, el contacto con la realidad, es el punto de partida de todo
conocimiento”; Vallverdú, J. (2008) dice: “la epistemología es el estudio de los modos
de adquirir y crear conocimiento válido” (Revista de Filosofía, volumen 64, p. 195).
Ahora, tomando como referencia el enunciado, es importante reflexionar y descubrir el
propio itinerario epistemológico. La epistemología se interesa por las representaciones
del mundo que utilizamos y construimos, cómo se construyen conocimientos
científicos o humanistas, examina los conocimientos y las disciplinas científicas, revisa
diversos aspectos y cuestiones, además se pregunta sobre la diferencia y
complementariedad entre las racionalidades ética y científica, estética y religiosa.

(Epistemología y fundamento - Loja, 2018 pag-1).

En la actualidad, la única tecnología que permite implementar sistemas de inteligencia

artificial son los sistemas electrónicos basados en diapositivas de estado sólido como
el transistor. En efecto, gracias a los grandes avances de la microelectrónica desde los
años 60, los ordenadores actuales disponen de una gran capacidad de calculo que
permite la implementación de sistemas avanzados de tratamiento de datos y
reconocimiento de patrones. Los sistemas digitales basados en transistor constituyen
una tecnología rápida, robusta y de tamaño reducido que permite la ejecución
secuencial de operaciones aritmético-lógicas. En muchas aplicaciones concretas, los
sistemas artificiales pueden llegar a presentar un rendimiento notablemente mejor que
el del propio cerebro humano. Este es el caso, por ejemplo, en aquellas situaciones
que requieren gestionar grandes cantidades de datos o que exijan una rápida
ejecución de cálculos matemáticos.

Un sistema de inteligencia artificial requiere de una secuencia finita de instrucciones

que especifique las diferentes acciones que ejecuta la computadora para resolver un
determinado problema. Esta secuencia de instrucciones constituye la estructura
algorítmica del sistema de inteligencia artificial.

La idea principal es que, a pesar de las enormes diferencias entre sistemas naturales y
artificiales, a un cierto nivel de abstracción ambos pueden describirse como sistemas
de procesado de objetos abstractos mediante un conjunto de reglas. (Inteligencia
artificial avanzada – Benítez, 2014 – pág. 15)

(Epistemología y fundamento - Loja, 2018)

8
 EPISTEMOLOGÍA

1. Fundamentos epistemológicos

En el desarrollo de la primera parte se hace énfasis en la importancia de los

postulados que sustentan la epistemología y su definición como itinerario en el
proceso de la construcción y gestión del conocimiento. Todo ser humano tiene
presente la reflexión, el interés por conocer, comprender mejor el sentido y el valor de
las ciencias, partiendo de una explicación clara del aporte de autores y teorías más
significativas en el desarrollo del pensamiento. Desde sus inicios el ser humano
siempre ha tenido la necesidad de preguntarse: ¿quién es?, ¿cuáles son sus
dimensiones como persona?, ¿por qué es importante el conocimiento para lograr
comprender una parte del todo? En este sentido, sin duda alguna necesita tener una
visión integral de sí mismo para relacionarse con los demás y lograr una mejor
comprensión de la realidad según lo que describe a continuación: El hombre tiene
muchos medios para progresar en el conocimiento de la verdad, de modo que puede
hacer cada vez más humana la propia existencia. Entre éstos destaca la filosofía, que
contribuye directamente a formular la pregunta sobre el sentido de la vida y a trazar la
respuesta: ésta, en efecto, se configura como una de las tareas más nobles de la
humanidad… El interrogarse sobre el porqué de las cosas es inherente a su razón,
aunque las respuestas que se han ido dando se enmarcan en un horizonte que pone
en evidencia la complementariedad de las diferentes culturas en las que vive el
hombre. (Carta encíclica La fe y la razón (Fides et ratio), Juan Pablo II, numeral 3). Es
importante conocer la filosofía de la ciencia y el propio ámbito de la epistemología y los
diferentes aportes relacionados con la teoría del conocimiento, pero lo esencial es
reflexionar cómo influye el desarrollo del pensamiento y los aportes de los diferentes
modelos pedagógicos a partir de las diferentes ciencias. Gevaert, J. (2008) al referirse
a la certeza del ser humano respecto de la verdad, el conocimiento y el pensamiento
citado de Descartes, describe: … la certeza fundamental del hombre, su verdad
primera e indubitable es la conciencia egológica que piensa al mundo: cogito, ergo
sum (pienso luego existo). Esta verdad está en el mismo hombre, esto es, en la
persona individual que reflexiona sobre sí misma. Los filósofos, sobre todo del siglo
XX, no han dejado de criticar la inconsistencia de este razonamiento. Además, el yo
del cogito es un yo fuertemente empobrecido, un yo abstracto. En el idealismo

Los sentidos de certeza, verdad y conciencia parten de las diversas manifestaciones

del pensamiento humano que implica reflexión de la propia realidad personal con su
entorno que asume el ser humano desde sus percepciones, impresiones de lo que
aprende y proyecta desde su existencia y de las diferentes formas de concebir el
conocimiento. En este mismo sentido, Gevaert, J. (2008) señala que el conocimiento
humano revela tres aspectos característicos de encarnación: está ligado a los
sentidos, a la palabra y a la praxis.

(Epistemología y fundamento - Loja, 2018 pag-2-3)

9
 1.1 Contextualización de la definición de epistemología

El intento de aclarar y de profundizar el término “conocer” está presente en cada

persona; es decir, el conocer caracteriza esencialmente a un modo de existir, al modo
específico según el cual el ser humano está presente en el mundo, donde actúa y se
acerca a la realidad. En los procesos de formación de las diferentes disciplinas,
siempre hemos escuchado las expresiones “epistemología”, “fundamentos
epistemológicos”, “epistemología de la ciencia”, “horizontes epistemológicos”; pero es
importante cuestionarnos: ¿qué estudia la epistemología? Partiremos afirmando que el
término epistemología se deriva de las voces griegas: episteme = ciencia y logos =
tratado, literalmente la epistemología es el tratado de la ciencia. A continuación,
presentamos algunas definiciones de epistemología: Michel Foucault ha llamado
“episteme” y también “campo epistemológico” a la estructura subyacente y, con ello,
inconsciente, que delimita el campo del conocimiento, los modos como los objetos son
percibidos, agrupados,

Además, los aportes de los autores citados en los párrafos anteriores coinciden en
algunos aspectos relacionados con la epistemología, al afirmar que es aquella parte de
la ciencia que tiene como objeto (no el único) hacer un recorrido por la historia del
sujeto respecto a la construcción del conocimiento científico; es decir, la manera cómo
éste ha objetivado, especializado y otorgado un status de cientificidad al mismo; pero a
su vez, el reconocimiento que goza este tipo de conocimiento por parte de la
comunidad científica. Es aquella epistemología que estudia la génesis de las ciencias,
que escudriña cómo el ser humano ha transformado o comprendido su entorno por la
vía de métodos experimentales o hermenéuticos en el deseo o necesidad de explicar
fenómenos en sus causas y en sus esencias. (Epistemología y fundamento - Loja,
2018 pag-4-7).

10
 INTELIGENCIA ARTIFICIAL EN EL ÁMBITO DE LA ROBÓTICA

1. Concepto:

La inteligencia artificial es considerada una rama de la computación y relaciona un

fenómeno natural con una artificial a través de programas de computador La
inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboración
de programas basados en comparaciones con la eficiencia del hombre, contribuyendo
a una mayor entendimiento del conocimiento humano Si por otro lado es tomada como
ingeniería, basada en una relación deseable entrada y salida para sintetizar un
programa de computador El resultado es un programa de alta eficiencia que funciona
como una poderosa herramienta para quien la utiliza.

Área multidisciplinaria que, a través de ciencias, estudia la creación y diseño de

sistemas capaces de resolver problemas cotidianos por sí mismos, utilizando como
paradigma la inteligencia humana. También ha sido descrita como la mejor
demostración de que una maquina posee inteligencia.

En ocasiones, los sistemas de IA resuelven problemas de forma heurística mediante

un procedimiento de ensayo y error que incorpora información relevante basada en
conocimientos previos. Cuando un mismo problema puede resolverse mediante
sistemas naturales (cerebro) o artificiales (computadora), los algoritmos que sigue
cada implementación suelen ser completamente diferentes puesto que los conjuntos
de instrucciones elementales de cada sistema son también diferentes. El cerebro
procesa la información mediante la activación coordinada de redes de neuronas en
áreas especializadas (cortex visual, cortex motor, etc.). En el sistema nervioso, los
datos se transmiten y reciben codificados en variables como la frecuencia de
activación de las neuronas o los intervalos en los que se generan los potenciales de
acción neuronales, El elevado número de neuronas que intervienen en un proceso de
computación natural hace que las fluctuaciones fisiológicas tengan un papel relevante
y que los procesos computacionales se realicen de forma estadística mediante la
actividad promediada en subconjuntos de neuronas. En un sistema IA, en cambio, las
instrucciones básicas son las propias de una computadora, es decir operaciones
aritmetico-lógicas, de lectura/escritura de registros y de control de flujo secuencial.
(Inteligencia artificial avanzada – Benítez, 2014 – pág. 8-12)

2. Ámbitos de aplicación de la inteligencia artificial

Las aplicaciones más frecuentes de la inteligencia artificial incluyen campos como la

robótica, el análisis de imágenes o el tratamiento automático de textos. En robótica,
uno de los campos de investigación actual con mayor proyección es el del aprendizaje
adaptativo, en el que un sistema robotizado explora diferentes configuraciones con el
objetivo de realizar un movimiento complejo (caminar, agarrar un objeto, realizar una

11
trayectoria, jugar a golf, etc.). El objetivo podría ser, por ejemplo, que un robot
cuadrúpedo se levante y ande de forma autónoma, de forma que siga un proceso de
exploración y aprendizaje similar al que realiza un recién nacido durante los primeros
meses de vida. Un sistema de IA en este caso se encargaría de explorar diferentes
movimientos de forma aleatoria, midiendo las variables de cada articulación y
comprobando en cada momento el grado de éxito alcanzado por cada secuencia de
acciones (altura del centro de masas, desplazamiento horizontal, fluctuaciones en la
posición vertical, velocidad de desplazamiento, etc.). El sistema de IA modularía la
ejecución de las diferentes acciones, incrementando la probabilidad de aquellas que
presenten un mejor rendimiento y restringiendo las que no comporten una mejora de la
función objetivo. Un área afín a la robótica es la de las interfaces cerebro-computadora
(BCI, Brain-computer Interfaces), sistemas artificiales que interactúan con el sistema
nervioso mediante señales neurofisiológicas con el objetivo asistir a personas
discapacitadas durante la ejecución de determinadas tareas motoras.

Dentro del campo de la IA, una de las ramas con mayor proyección son los
denominados sistemas expertos, en los que el objetivo es diseñar un sistema que
permita analizar un conjunto de datos y realizar tareas típicamente asociadas a la
figura de un profesional experto como el diagnóstico, la detección de fallos, la
planificación o la toma de decisiones. Los datos con los que trabaja el sistema experto
pueden ser de naturaleza muy diversa.

En un sistema de diagnóstico clínico, por ejemplo, se puede partir de imágenes

radiológicas, de una serie temporal de la frecuencia del ritmo cardíaco de un paciente
o de un conjunto de datos con valores extraídos de análisis de sangre o de orina, La
utilización de todas las señales anteriores a la vez constituye un sistema de fusión
multimodal, en el que el estado clínico del paciente se describe desde una perspectiva
multiorgánica más completa. En los sistemas expertos se combina información
extraída de datos con el conocimiento del sistema que aporta un expenso
especializado. A estos sistemas se les conoce como sistemas basados en
conocimiento (KBS, knowledge-based systems), y permiten integrar reglas heurísticas
y árboles de decisiones elaborados por una comunidad de expertos durante años de
trabajo y experimentación. Estas reglas no pueden ser inferidas directamente de los
datos observados, y son de gran utilidad en aplicaciones sobre diagnóstico y toma de
decisiones, Un ejemplo de este tipo de técnicas serían el protocolo de diagnóstico que
realiza un médico especialista a partir de un conjunto de pruebas, o los criterios que
aplica un ingeniero de caminos para validar la resistencia mecánica de un puente.

La información aportada por humanos expertos es también necesaria para diseñar

sistemas artificiales que jueguen a juegos como el ajedrez o el Ego.

El análisis de textos es otro ejemplo interesante en el que se desarrollan numerosos

sistemas de IA. Aspectos como la traducción automática de textos han evolucionado
de forma sorprendente durante los últimos años gracias a técnicas de IA. Hoy en día
es fácil encontrar plataformas web gratuitas que permitan traducir textos entre más de
50 lenguas diferentes. Estos sistemas de traducción automática presentan resultados
de notable calidad, y tienen en cuenta aspectos semánticos y contextuales antes de
proponer una traducción del texto. El éxito de estas plataformas se debe en gran parte
a sistemas de IA que utilizan enormes

12
 cantidades de información textual aportada por los usuarios del servicio. Sistemas
similares permiten realizar búsquedas inteligentes en la web, de forma que los
vínculos que se ofrecen tengan en cuenta las preferencias estadísticas propias y del
resto de usuarios, o enviar publicidad de forma selectiva a partir de la información que
aparece en el campo asunto de nuestro buzón de correo electrónico.

Otro ejemplo de sistema en el ámbito de la ingeniería de procesos es un sistema de

detección de fallos en una planta compleja. Una planta industrial dispone de múltiples
sensores distribuidos que permiten monitorizar el proceso de forma continua. En la
fase de entrenamiento, el sistema aprende un conjunto de patrones dinámicos de los
sensores que corresponden a situaciones en los que se produce un error en la planta.

En el futuro, cuando se produce un error, el sistema de IA detecta su existencia de

forma automática y es capaz de diagnosticar el origen del fallo comparando la
respuesta de los sensores con las respuestas características de cada error. En una
tercera fase, el sistema puede incluso tomar decisiones sobre qué acciones hay que
realizar para resolver el problema de la forma más rápida y eficiente, Las aplicaciones
industriales de la IA es un campo con una gran proyección en el que los sistemas van
dirigidos a mejorar procesos de fabricación, control de calidad, logística o planificación
de recursos. En muchas ocasiones, los sistemas de IA constan de dos fases, una
primera fase de aprendizaje y una segunda de predicción. En la fase de aprendizaje se
soporta un conjunto de datos representativo de aquellas situaciones que se desea
analizar, de forma que el sistema IA aprende las características fundamentales de los
datos y es capaz de generalizar su estructura. Dicha generalización no es más que la
construcción de un modelo de los datos que permita realizar una predicción acertada a
partir de nuevas observaciones.

Consideremos el ejemplo de un sistema automático para el reconocimiento de caras.

Al sistema se le proporcionan 100 imágenes faciales de 10 personas diferentes, 10
caras por persona. Las imágenes son lo más en diferentes condiciones (diferente
expresión facial, ropa, iluminación, exposición, fondo, etc.), de forma que sean
representativas de las características faciales de cada persona, El sistema identifica
las características principales de cada una de las fotos y es capaz de agruparlas en un
determinado número de grupos (presumiblemente 10, excepto si se han incluido
gemelos monocigóticos), Entre las características utilizadas pueden aparecer, entre
otras, el color de los ojos, el grosor de los labios o el perímetro de la cabeza. En la
fase de predicción, se parte de una imagen de uno de los 10 individuos que no haya
sido incluida en el conjunto de datos de entrenamiento. El sistema calcula las
características faciales del nuevo individuo, y debe ser capaz de identificar esa imagen
como perteneciente a uno de los grupos definidos durante el proceso de aprendizaje
(presumiblemente al grupo del individuo correcto, a no ser que la nueva imagen no
tenga apenas rasgos comunes con las 10 imágenes dc entrenamiento), Si la nueva
imagen es identificada de forma correcta, diremos que el sistema de IA acierta en Su
predicción, mientras que cuando el sistema asigna la imagen a otro grupo de forma
errónea, se produce un error de clasificación.

(Inteligencia artificial avanzada – Benítez, 2014 – pág. 16-27)

13
 2. APLICACIONES:

2.1. INTERFACES CEREBRO-COMPUTADORA

Chau (2019). una interfaz cerebro-computador, que se encarga de medir ciertos

patrones en las señales cerebrales de los pacientes y traducirlos para que una
computadora pueda interpretarlas. El presente trabajo comprende el diseño de una
interfaz cerebro-computador que, aplicando algoritmos de procesamiento de señales
cerebrales y aprendizaje de máquina, permite a un usuario seleccionar diversas tareas
predefinidas para un manipulador robótico asistencial aprovechando el potencial
relacionado a eventos conocido como P300. Adicionalmente, también se presenta una
propuesta experimental para las realizaciones de pruebas, tanto fuera de línea como
del sistema, de manera que se pueda analizar y validar su eficiencia y usabilidad.
Finalmente, se analizan resultados no cuantitativos provenientes de los usuarios, que
pueden ser utilizados para futuros estudios relacionados. Chau, J. (2019).

2.2. SISTEMAS DE VISIÓN ARTIFICIAL

Según la Automated Imaging Association (AIA), la visión artificial abarca todas las
aplicaciones industriales y no industriales en las que una combinación de hardware y
software brinda un guiado operativo a los dispositivos en la ejecución de sus funciones
de acuerdo con la captación y procesamiento de imágenes. Aunque la visión artificial
aplicada a la industria utiliza los mismos algoritmos y enfoques que las aplicaciones
académicas/educativas y gubernamentales/militares de visión artificial, las limitaciones
son diferentes.

Los sistemas de visión industrial exigen una mayor robustez, fiabilidad y estabilidad en
comparación con un sistema de visión académico/educativo y, normalmente, cuestan
mucho menos que los que se utilizan en aplicaciones gubernamentales/militares. Por
tanto, la visión artificial industrial implica bajos costes, precisión aceptable, resistencia
elevada, alta fiabilidad y una gran estabilidad mecánica y de temperatura.

Los sistemas de visión artificial cuentan con sensores digitales protegidos en el interior
de cámaras industriales con ópticas especializadas para adquirir imágenes, de forma
que el hardware y software informático pueden procesar, analizar y medir diversas
características a la hora de tomar decisiones.

2.2.1. Ventajas de la visión artificial

Mientras que la visión humana es mejor para la interpretación cualitativa de una

escena desestructurada compleja, la visión artificial destaca en la medida cuantitativa
de una escena estructurada debido a su velocidad, precisión y repetibilidad. Por
ejemplo, en una línea de producción, un sistema de visión artificial puede inspeccionar
cientos, o incluso miles, de piezas por minuto. Un sistema de visión artificial gira en
torno a la resolución correcta de la cámara y a la óptica que le permiten inspeccionar
fácilmente detalles de un objeto demasiado pequeños para que el ojo humano pueda
llegarlos a ver.

14
Al eliminar el contacto físico entre el sistema de prueba y las piezas que van a
verificarse, la visión artificial evita daños en las piezas y elimina el tiempo y los costes
de mantenimiento asociados al desgaste de los componentes mecánicos. La visión
artificial aporta beneficios operativos y de seguridad adicionales al reducir la
participación humana en el proceso de fabricación. Además, evita la contaminación
humana de salas limpias y protege a las personas frente a entornos peligrosos.

2.2.2. Aplicaciones de la visión artificial

Normalmente, la tecnología de correspondencia de patrones representa el primer paso

en cualquier aplicación de visión artificial, ya sea la verificación del montaje más
simple o la selección/extracción de piezas amontonadas aleatoriamente en un
contenedor mediante un complejo sistema robótico 3D, para buscar el objeto o
característica de interés dentro del campo de visión de la cámara. La localización del
objeto de interés suele determinar el éxito o el fracaso de la aplicación. Si las
herramientas de software de correspondencia de patrones no pueden localizar con
precisión la pieza dentro de la imagen, no podrán guiar, identificar, inspeccionar,
contar ni medir la pieza. Aunque

la búsqueda de una pieza pueda parecer sencillo, las diferencias de apariencia en

entornos de producción reales pueden hacer que el próximo paso sea excesivamente
difícil (Figura 3). A pesar de que los sistemas de visión están entrenados para
reconocer piezas basándose en patrones, incluso los procesos controlados más
ajustados permiten alguna variabilidad en la apariencia de una pieza (Figura 4).

2.2.3. Componentes de la visión artificial

Los componentes principales de un sistema de visión artificial (Figura 9) son la

iluminación, la lente, el sensor de imagen, el procesamiento de visión y las
comunicaciones. La iluminación ilumina la pieza que va a inspeccionarse permitiendo
que sus características destaquen y puedan ser vistas claramente por la cámara. La
lente capta la imagen y la presenta al sensor en forma de luz. El sensor de la cámara
de visión artificial convierte esta luz en una imagen digital que se envía al procesador
para su análisis.

El procesamiento de visión consiste en unos algoritmos que revisan la imagen y

extraen de ella la información precisa, realizan la inspección necesaria y toman una
decisión. Por último, la comunicación se lleva a cabo normalmente a través de una
señal de E/S discreta o los datos se envían a través de una conexión serie hacia un
dispositivo que registra la información o la utiliza.

La mayoría de componentes de hardware de los sistemas de visión artificial, como

módulos de iluminación, sensores y procesadores, son productos comercialmente
disponibles (COTS). Los sistemas de visión artificial se pueden montar a partir de
productos COTS, o adquirirse como un sistema integrado con todos los componentes
en un único dispositivo.

En las páginas siguientes se indican los distintos componentes claves de un sistema

de visión artificial: iluminación, lentes, sensor de visión, procesamiento de imágenes,
procesamiento de visión y comunicaciones.

15
(chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/http://www.ikusmen.com/
documentos/descargas/3cbb38_Introduction%20to%20Machine%20Vision.pdf)

2.3. SISTEMA DE NAVEGACIÓN AUTOMÁTICA

Farro (2018), un sistema de navegación automática controlada por voz para mejorar la
movilidad de estas personas. Para esto realizamos un estudio de las características
mecánicas y motrices de las sillas motorizadas y también de las técnicas de
clasificación de comandos de voz, siendo las más utilizadas redes neuronales y
aprendizaje profundo, además de que existen en el mercado diferentes soluciones
offline y online que facilitan el desarrollo y adaptación sistemas, pues ambos sistemas
son fácilmente asimilados por los usuarios de las sillas motorizadas. Esto permitió
desarrollar un prototipo de una interfaz compuesta de hardware y software adaptable a
estas sillas motorizadas, para lo cual se construyó un prototipo de silla de ruedas a la
cual se le adapta esta interfaz.

Farro, V., Villegas, L. (2018). Sistema de Navegación Automático controlado por voz,
maniobrable y seguro adaptable a sillas de ruedas motorizadas [, Universidad Nacional
Pedro Ruiz Gallo]. https://hdl.handle.net/20.500.12893/2436

16
CONCLUSIÓNES

La visión artificial es la extracción de información de imágenes digitales para el control

de proceso o calidad. La mayoría de fabricantes utiliza la visión artificial automatizada
en lugar de inspectores humanos debido a que responde mejor en las tareas de
inspección repetitivas. Es más rápida, más objetiva, y funciona a todas horas. La visión
artificial puede inspeccionar cientos o incluso miles de piezas por minuto, y
proporciona unos resultados de inspección más coherentes y fiables las 24 horas del
día y los 7 días de la semana.

Medición, recuento, localización y decodificación son algunas de las aplicaciones más

comunes de la visión artificial en la fabricación actual. Al reducir los defectos,
aumentar el rendimiento y facilitar la conformidad con la normativa y el seguimiento de
las piezas con la visión artificial, los fabricantes pueden ahorrar dinero y aumentar la
rentabilidad.

17
Bibliografía

-3D Natives (2022, 10 de mayo) TinkerCAD: ¡Te contamos todo lo que necesitas
saber!. 3D Natives, el sitio web de la impresión 3D. Consultado el 22 de mayo de
2022.

https://books.google.com.pe/books?
hl=es&lr=&id=eT7ABAAAQBAJ&oi=fnd&pg=PT4&dq=inteligencia+artificial+pdf&ots=9x
eFi2_MEo&sig=h07rdx7DipSIKEnte5kqquxwDqo#v=onepage&q&f=false

https://books.google.com.pe/books?
hl=es&lr=&id=eT7ABAAAQBAJ&oi=fnd&pg=PT4&dq=inteligencia+artificial+pdf&ots=9x
eFi2_MEo&sig=h07rdx7DipSIKEnte5kqquxwDqo#v=onepage&q&f=false

chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/http://rabida.uhu.es/dspace/
bitstream/handle/10272/18574/document%2826%29.pdf

chrome-extension://efaidnbmnnnibpcajpcglclefindmkaj/http://www.ikusmen.com/
documentos/descargas/3cbb38_Introduction%20to%20Machine%20Vision.pdf

Chau, J. (2019). Selección de tareas predefinidas para un robot asistencial para personas
discapacitadas a través de una interfaz cerebro-computador utilizando P300 [Tesis, Pontificia
Universidad Católica del Perú]. http://hdl.handle.net/20.500.12404/14181

18