Publication:

Desarrollo de un detector termográfico de personas para su aplicación en maquinaria

Este trabajo trata acerca de crear un modelo general capaz de detectar personas en imágenes térmicas mediante el reentrenamiento del algoritmo de aprendizaje profundo YOLO. Se ha creado una base de datos donde incluyen imágenes térmicas descargadas desde un repositorio y capturadas mediante una cámara propia. Se han explorado diversas técnicas, como métodos de etiquetado estableciendo estándares para futuros trabajos y se aplicaron métodos de data augmentation, para mejorar el rendimiento del modelo. Sin embargo, al probar el modelo en un sensor diferente a los empleados en el entrenamiento, surgieron limitaciones. Estas han podido ser debido a la resolución de imagen y sensibilidad térmica del nuevo sensor. Como solución, se determinó la necesidad de realizar un nuevo reentrenamiento con imágenes del nuevo sensor para mejorar la precisión del modelo y adaptarlo a las características específicas. Este estudio destaca la importancia de una base de datos diversa, la consideración de las limitaciones de los sensores y la aplicación de técnicas de mejora del rendimiento para lograr una detección más precisa de personas en imágenes térmicas en diversos escenarios.