Please use this identifier to cite or link to this item: http://repositorio.ute.edu.ec/handle/123456789/21076
Full metadata record
DC FieldValueLanguage
dc.contributorBonilla, Vladimires_ES
dc.creatorGuerrero Haro, Alexander Sebastiánes_ES
dc.date2020es_ES
dc.date.accessioned2020-10-28T03:00:31Z-
dc.date.available2020-10-28T03:00:31Z-
dc.date.issued2020es_ES
dc.identifier.other72954es_ES
dc.identifier.urihttp://repositorio.ute.edu.ec/handle/123456789/21076-
dc.description.abstractEl presente proyecto propone la elaboración de un sistema de estimación de la posición de la extremidad superior e inferior para el movimiento de flexión y extensión del cuerpo humano sobre el plano sagital. Se utilizó la metodología mecatrónica con base en el modelo en V para desarrollar el sistema. La etapa inicial es la definición de los requerimientos, los más importantes son la utilización de una cámara colocada sobre una estructura móvil para la adquisición de imágenes, marcadores visuales cuadrados de 5 cm, interfaz gráfica bajo lenguaje Python y almacenamiento de imágenes e información de cada usuario. Posterior se realizó el diseño conceptual y el diseño especifico y como producto principal se definió la estructura de la red neuronal convolucional Caffenet que tiene 16 capas ocultas convolucionales para la creación de mapas de características de la imagen de entrada y 3 capas completamente conectadas para la predicción de los mapas de confianza y los campos vectoriales de afinidad entre los puntos articulares. Adicional se diseñó un estand para la adquision de imágenes y análisis de las extremidades del cuerpo humano mediante visión por computadora, que consta de: la base para la cámara, marcadores visuales, algoritmo de estimación de la posición, interfaz gráfica de usuario para la adquisición y el registro imágenes, finalmente un registro de información de cada usuario. La aplicación y la red neuronal profunda se desarrollaron en el lenguaje de programación Python integrando las bibliotecas OpenCV para visión artificial y la biblioteca de código abierto para aprendizaje profundo TensorFlow. El algoritmo desarrollado permite la estimación de los puntos y líneas articulares en entornos de luz controlada. La efectividad del algoritmo se midió mediante una matriz de confusión de datos, que determina el error de estimación, la precisión, y la exactitud. La validación de los ángulos articulares se realizó mediante un goniómetro manual. Finalmente se obtuvo un sistema capaz de estimar la posición de la extremidad superior e inferior y calcular los ángulos articulares para el movimiento de flexión y extensión mediante visión por computadora.es_ES
dc.description.tableofcontentsIntroducción. Metodología. Resultados y discusión. Conclusiones y Recomendaciones. Bibliografía. Anexos.es_ES
dc.formatapplication/pdfes_ES
dc.publisherCIENCIAS DE LA INGENIERÍA E INDUSTRIAS FACULTAD:INGENIERÍA MECATRÓNICAes_ES
dc.rightsopenAccesses_ES
dc.rights.urihttps://creativecommons.org/licenses/by/3.0/ec/es_ES
dc.subjectPROCESAMIENTO DE IMAGENESes_ES
dc.subjectREDES NEURONALESes_ES
dc.subjectVISION POR COMPUTADORes_ES
dc.subjectMECATRONICAes_ES
dc.subjectINGENIERO EN MECATRONICAes_ES
dc.subjectVISION ARTIFICIALes_ES
dc.titleSistema de estimación de la posición de la extremidad superior e inferior mediante redes neuronales profundas y visión por computadoraes_ES
dc.typebachelorThesises_ES
dc.identifier.sedeUIOes_ES
Appears in Collections:TESIS - UIO

Files in This Item:
File SizeFormat 
72954_1.pdf2.33 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.