Visión por Computadora

En el Laboratorio de Visión por Computadora se realizan investigaciones principalmente sobre los dos proyectos siguientes:

1.- Análisis de imágenes de cultivos utilizando aprendizaje profundo para la agricultura de precisión


2.- Navegación autónoma para vehículos basada en visión por computadora utilizando aprendizaje profundo.


Se solicitan estudiantes para realizar Maestría o Doctorado

Temas acordes a los dos proyectos mencionados. Contamos con becas Conacyt.

Formación necesaria: licenciatura o ingeniería en Sistemas Computacionales, Mecatrónica, Electrónica, Física o Matemáticas.

Es posible también realizar la tesis de licenciatura/ingeniería, prácticas profesionales (estancia de investigación) y servicio social.

Interesados escribir a los responsables.


Responsables del laboratorio


Estudiantes

Doctorado:

Osvaldo Alejandro Saez Lombira

Título de la tesis: Detección Automática de Nitrógeno en Imágenes de Plantas Mediante Aprendizaje Profundo. En proceso.


Maestría:

Juan Luis Torres Olivares

Título de la tesis: Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo capturadas con un dron.  En proceso.


Osvaldo Alejandro Saez Lombira

Título de la tesis: Segmentación Automática de Cultivos de Higos a partir de imágenes tomadas con drones.

Concluida el 8 de agosto de 2018.


Licenciatura:

Ignacio Gabriel Loaeza Rodriguez

Titulo de la tesis: Robot Aéreo Seguidor de Línea usando Visión Artificial. En proceso.


David Montalvo de la Cruz (Universidad Tecnológica de Tehuacán)

Título de la tesis: Construcción de un Drone para la Agricultura de Precisión.

Concluida el 20 de abril de 2018


Roberto Álvarez Castro

Título de la tesis: Localización 3D para drones en exteriores.

Concluida el 28 de junio de 2017


Juan Luis Torres Olivares

Título de la tesis: Detección de árboles en imágenes aéreas capturadas con un cuadrirotor.

Concluida el 30 de enero de 2017.



Publicaciones

J. Fuentes-Pacheco, J. Torres-Olivares, E. Roman-Rangel, S. Cervantes, P. Juarez-Lopez, J. Hermosillo-Valadez and J.M. Rendón-Mancha; Fig Plant Segmentation from Aerial Images Using a Deep Convolutional Encoder-Decoder Network. Remote Sens. 2019, 11 10 (1-18). 10.3390/rs11101157


Fuentes-Pacheco, Jorge; Ruiz-Ascencio, José;Rendón-Mancha, Juan Manuel; Visual simultaneous localization and mapping: a survey.Artificial Intelligence Review. Springer Netherlands. 201543 1 (55 - 81) 10.1007/s10462-012-9365-8


Aprendizaje profundo para la detección de árboles en imágenes aéreas de un cultivo de higo, en el Taller Conjunto sobre Deep Learning y Ciencia de Datos , 2-3 octubre 2019. Guanajuato, Gro.  http://www.cinc.uaem.mx/init/static/pdfs/poster_cimat_v2.pdf