En el presente artículo se planteó como objetivo buscar la detección del uso de la mascarilla en las personas mediante un programa de visión artificial, aplicando el modelo de redes neuronales, donde se identifica si la persona lleva la mascarilla, así buscando un aporte para la mitigación y reducción de casos de contagio del Covid-19. Además, se utiliza el lenguaje Python junto con Frameworks como TensorFlow para la ejecución de las redes neuronales entrenadas y librerías como Keras y Sklearn, utilizadas principalmente en el proceso de aprendizaje. Parte de la metodología se enfocó en la descarga y clonación de materiales, creación y entrenamiento de la red neuronal, la preparación de Anaconda junto con Jupyter Notebook para la verificación del sistema. En los resultados encontramos que la programación detectó correctamente mediante un medio local, usando el Google Colab, para lo cual se tomó como referencia un banco de imágenes preestablecido y se realizó el reconocimiento. Por otra parte, se utiliza Jupyter Notebook para la detección mediante video en tiempo real. Por último, se concluye que se logró detectar dos tipos de imágenes de personas que están usando o no mascarilla con las variables “mask” y “no mask”, mediante el entrenamiento de las redes neurales con un batch size de 8, steps de 50 y epochs de 25, con un resultado de classification loss de 0.2120.
En este artículo se presenta el diseño de una maquina mezcladora de 1000 kg automatizada para el proceso de producción del alimento balanceado Engorde Hermelinda en la empresa Nutriaves SAC con el fin de mejorar la productividad de la maquinaria en su fase de mezclado y la calidad de los productos producidos. La investigación es de carácter no experimental y la metodología aplicada es cuantitativa. Para su elaboración, se utilizaron las fórmulas de volumen del cilindro y del tronco de cono que permitieron el cálculo de las dimensiones de su estructura, a su vez, se realizaron conversiones de unidades para obtener los tiempos de vaciado de cada uno de los ingredientes transportados mediante el sistema de tuberías que llenan al equipo. Asimismo, el circuito eléctrico con PLC S7-1212 y su programación se desarrolló con el programa CADE SIMU que también permitió comprobar el cumplimiento de todos los procedimientos que se desea que haga mediante su simulación. Finalmente, se concluyó que la productividad mejoro en un 50%, ya que aumento de 6.19 tn/h a 12.37 tn/h y, del mismo modo, se optimizo con la calidad debido a la consistencia y precisión de la automatización implementada que elimina por completo el error humano.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.