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

  • Dr. Juan Manuel Rendón Mancha (rendon@uaem.mx)
  • Dr. Jorge Alberto Fuentes Pacheco (jorge.fuentes@uaem.mx)

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). <a href=”https://doi.org/10.3390/rs11101157″>10.3390/rs11101157</a>

 

Fuentes-Pacheco, Jorge; Ruiz-Ascencio, José;Rendón-Mancha, Juan Manuel; Visual simultaneous localization and mapping: a survey.<span style=”color: #4d4d4d;”>Artificial Intelligence Review</span>. Springer Netherlands. <span style=”color: #4d4d4d;”>2015</span>, <span style=”color: #4d4d4d;”>43</span> <span style=”color: #4d4d4d;”>1</span> (55 – 81) <a href=”http://dx.doi.org/10.1007/s10462-012-9365-8″ target=”_blank” rel=”noopener” data-saferedirecturl=”https://www.google.com/url?q=http://dx.doi.org/10.1007/s10462-012-9365-8&amp;source=gmail&amp;ust=1572100136608000&amp;usg=AFQjCNGK9M-9wZmwiKp3-6PWTivzOg6-bw”>10.1007/s10462-012-9365-8</a>

 

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, Gto.  <a href=”http://www.cinc.uaem.mx/init/static/pdfs/poster_cimat.pdf” target=”_blank” rel=”noopener”>http://www.cinc.uaem.mx/init/static/pdfs/poster_cimat.pdf</a>