Implementación de inteligencia artificial en la enseñanza de conceptos físico-matemáticos de educación secundaria para la localización de cuerpos en el contexto educativo

Cristina Fernanda Lara Robayo, Gisela Adriana Romero Robayo, Sidalia Janet Soto Arrobo, Susana Mireya Gómez Barrionuevo

Resumen


Este estudio, enmarcado en el ámbito educativo de la educación secundaria y superior, tuvo como objetivo principal desarrollar un algoritmo respaldado por inteligencia artificial para ampliar la separación entre objetos mediante el uso de una cámara Kinect. La investigación adoptó un enfoque positivista de carácter exploratorio y descriptivo, respaldado por un diseño cuasi experimental. Se llevaron a cabo 150 pruebas y 45 ensayos para evaluar y analizar los resultados, empleando un software especializado en inteligencia artificial. A través de la generación de ubicaciones vectoriales basadas en la distancia del objeto, se logró guiar cada posición de manera efectiva. Los resultados destacan que el algoritmo demostró una capacidad exitosa para estimar la distancia entre cuatro objetos, alcanzando una precisión del 94,7% en la imagen procesada. Además, se determinó que la distancia al objeto puede estimarse con precisión utilizando únicamente una cámara, con un error medio del 0,97% y una desviación estándar del 0,1%. Los errores obtenidos revelan un error medio del 1,00% y una desviación estándar del 2,24%. Esta consistencia en los resultados respalda la eficacia del algoritmo SURF para la detección y estimación de la distancia de objetos, especialmente en aplicaciones robóticas. La elección de utilizar una sola cámara por parte del robot no solo contribuirá a reducir los costos de fabricación, sino que también simplificará la instalación y disminuirá la probabilidad de errores asociados a variables externas que puedan afectar la calidad de las imágenes capturadas. En este contexto, se resalta la aplicación de estrategias pedagógicas para facilitar la comprensión y aplicación de conceptos relacionados con inteligencia artificial y tecnologías de visión en el ámbito educativo


Palabras clave


Distancia; Posición; Cámara; Vectores.

Texto completo:

PDF HTML

Referencias


Akhlaq, M. U., Izhar, U., & Shahbaz, U. (2014). Depth estimation from a single camera image using power fit. In Robotics and Emerging Allied Technologies in Engineering (iCREATE), 2014 International Conference on. IEE, 221-227.

Andrade Moreira, G. A. (2015). Correspondencia multiespectral en el espacio de Hough. GUAYAQUIL – ECUADOR.

Bauer, J., Sünderhauf, N., & Protzel, P. (2007). Comparing several implementations of two recently published feature detectors. In Proc. of the International Conference on Intelligent and Autonomous Systems.

Bay, H., Ess, A., Tuytelaars, T., & Gool, L. V. (2008). SURF: Speeded Up Robust Features. Computer Visión and Image Understanding (CVIU), 110(3), 346-359.

Gamero, M. (2007). Posicionamiento de Robots Basados en Visión. Universidad, Ciencia y Tecnología, 11(43), 98-101.

García Barquero, I., Sánchez González, P., Luna Serrano, M., & Gómez Aguilera, E. J. (2012). Comparación de algoritmos detectores de puntos singulares para reconocimiento de objetos en vídeo quirúrgico.

González, G., E. J., Cruz, R., Sergio, R., Durán, G., & Héctor, M. (2001). Aplicación de sensores múltiples para el posicionamiento tridimensional de robots usando visión. Interciencia, 11(26), 541-546.

Hernández, E. R. (2001). Desarrollo de un Sistema de Visión para la Localización y Navegación de Robots Humanoides. México.

Hu, S., Wu, N., & Song, H. (2012). Object Tracking Method Based on SURF. Conference on Modelling, Identification and Control, 351-356.

Lee, Y. H., Ahn, H., Cho, H. J., & Lee, J. H. (2015). Object Recognition and Tracking based on Object Feature Extracting., 5(3), 48-57. Journal of Internet Services and Information Security (JISIS), 5(3), 48-57.

Liaquat, S., & Khan, U. S. (2015). Object detection and depth estimation of real world objects using single camera. 2015 Fourth International Conference on (págs. 1-4). IEEE.

Luis, M. A. (2008). Introducción a la Fotografía Científica. Recuperado el 20 de septiembre de 2016, de http://foto.difo.uah.es/curso/objetivo_e_imagenes.html

Magaña, J., Atoche, J., & Canche, R. (2015). Pruebas del algoritmo surf para la elección de imágenes de referencia. Revista Electrónica de Divulgación de la Investigación, 10.

Minglei, T., & Shudong, C. (octubre de 2014). Efficient Surf Tracking by Nearest Neighbor Classifier. JOURNAL OF COMPUTERS, 9(10), 2449-2454.

Mondéjar, G. V. (2016). Contribuciones a la estimaciónn de pose de cámara. Córdoba.

Prietoa, C. E., Febresa, J. E., Cerrolazaa, M., & Miquelarenab, R. (2010). Sistema de Visión Artificial para el Control de Movimiento de un Asistente Robótico Médico. Mecánica Computacional, 29, 6619-6629.

Reza, O., & Farshad, T. (2012). Full Object Boundary Detection by Applying Scale Invariant Features in A Region Merging Segmentation Algorithm. International Journal of Artificial Intelligence & Applications (IJAIA), 3(5), 41-50.

Romero Cortijo, A. M., & Cazorla Quevedo, M. Á. (2009). Comparativa de detectores de características visuales y su aplicación al SLAM. X WORKSHOP DE AGENTES FÍSICOS, 55-62.

Zavala, J. G., Hernández, J. A., & Freyre, J. P. (2012). Implementación de un sistema de visión para control de un brazo robótico. Actas de la II Conferencia de Desarrollo Profesional en Ingeniería Mecatrónica 2012. México.




DOI: https://doi.org/10.23857/pc.v9i3.6718

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/