VOLVER

Share

Investigadores de la UCO mejoran la visión artificial de máquinas en condiciones de poca iluminación

Un novedoso modelo desarrollado por la Universidad de Córdoba usa redes neuronales para optimizar la decodificación de los marcadores que usan las máquinas para detectar y conocer la ubicación de los objetos. Tanto los datos generados de manera artificial para entrenar el modelo como los de situaciones de iluminación desfavorable en el mundo real están disponibles en abierto, así el sistema podría aplicarse en la actualidad.

Fuente: UCC+i Universidad de Córdoba


Córdoba |
21 de enero de 2025

A la hora de configurar un robot, como el antropomófirco Atlas de Boston Dynamics que aparece haciendo ejercicio y ordenando cajas, los marcadores fiduciales son la guía que les ayuda a moverse, detectar objetos y determinar su ubicación exacta. Se trata de una herramienta de visión artificial que se usa para estimar la posición de los objetos. A simple vista son códigos cuadrados planos en blanco y negro con un marcado contraste que podrían asemejarse al sistema de marcado QR pero con una ventaja: se pueden detectar a mucha más distancia.

En logística, una cámara en el techo permite identificar la ubicación de un paquete de forma automatizada usando estos marcadores, ahorrando tiempo y dinero. La debilidad del sistema era, hasta ahora, las condiciones de iluminación, ya que las técnicas clásicas de visión artificial que localizan y decodifican con precisión los marcadores fallan en situaciones con poca luz.

El uso de redes neuronales en el modelo nos permite la detección de este tipo de marcadores de manera más flexible.

Para hacer frente a esta problemática, los investigadores Rafael Berral, Rafael Muñoz, Rafael Medina y Manuel J. Marín del grupo de investigación Aplicaciones de la Visión Artificial de la Universidad de Córdoba han desarrollado un sistema que permite, por primera vez, detectar y decodificar marcadores fiduciales en condiciones de iluminación difícil, utilizando redes neuronales.

“El uso de redes neuronales en el modelo nos permite la detección de este tipo de marcadores de manera más flexible, resolviendo el problema de la iluminación para todas las fases en el proceso de detección y decodificación” explica el investigador Rafael Berral. El proceso completo está compuesto por tres pasos: detección de marcadores, refinamiento de esquinas y decodificación de marcadores, cada uno basado en una red neuronal diferente.

Es la primera vez que se da una solución completa a esta problemática, ya que como señala Manuel J. Marín “hay muchos trabajos que en situaciones de iluminación óptima han intentado acelerar la velocidad, por ejemplo, pero la problemática de poca iluminación o muchas sombras no había sido atendida de forma completa para mejorar el proceso”.

Cómo entrenar a tu modelo de visión artificial

A la hora de entrenar este modelo que presenta una solución de principio a fin, el equipo ha creado un conjunto de datos sintéticos que reflejan de una manera fidedigna el tipo de circunstancias de iluminación que se pueden encontrar cuando se trabaja con un sistema de marcadores fuera de las condiciones ideales. Una vez entrenado, “el modelo se probó con datos del mundo real, unos producidos aquí internamente y otros como referencia de otros trabajos anteriores” indican los investigadores.

Tanto los datos generados de manera artificial para entrenar el modelo como los de situaciones de iluminación desfavorable en el mundo real están disponibles en abierto, así el sistema podría aplicarse en la actualidad “ya que el código está liberado y se dan facilidades para probar el código con cualquier imagen en la que aparezcan marcadores fiduciales” recuerda Rafael Muñoz.

Con este trabajo, las aplicaciones de visión artificial consiguen superar un nuevo obstáculo, avanzando en la oscuridad.

Referencia:

Berral Soler, R., Muñoz-Salinas, R., Medina-Carnicer, R. & Marín-Jiménez, M.J. (2024) ‘DeepArUco++: Improved detection of square fiducial markers in challenging lighting conditions’, Image and Vision Computing.


Share

Últimas publicaciones

Diseñan flores impresas en 3D para monitorizar a los polinizadores en el campo
Jaén, Sevilla | 15 de noviembre de 2026

Un equipo de investigación internacional liderado por la Estación Biológica de Doñana (EBD-CSIC) con participación de la Universidad de Jaén ha comprobado en condiciones reales de campo que estas maquetas pueden ayudar a monitorizar la actividad de abejas, moscas, mariposas y otros insectos sin capturarlos ni dañarlos. Esta tecnología podría combinarse en el futuro con cámaras e inteligencia artificial para automatizar la identificación y el seguimiento de las poblaciones de polinizadores en proyectos a mayor escala.

Sigue leyendo
Descubren que un compuesto del té verde y el cacao podría limitar la evolución de las resistencias a antibióticos
Sevilla | 12 de noviembre de 2026

El equipo de investigación del IBiS, liderado por José Manuel Rodríguez-Martínez -investigador del Instituto de Biomedicina de Sevilla (IBiS)/Hospital Universitario Virgen Macarena/Universidad de Sevilla y miembro del CIBER de Enfermedades Infecciosas (CIBERINFEC)-, ha identificado el potencial de la epicatequina, un polifenol vegetal abundante en el té verde y el cacao, para frenar la capacidad adaptativa y la evolución de resistencias en la bacteria escherichia coli sometida a tratamiento antibiótico.

Sigue leyendo
Un estudio revela la falta de consenso entre la comunidad científica sobre los factores culturales relacionados con el suicidio
Granada | 12 de noviembre de 2026

El suicidio constituye un importante problema de salud pública. Aunque se conocen numerosos factores psicológicos, sociales y sanitarios relacionados con la conducta suicida, existe una pregunta que sigue sin una respuesta clara: ¿qué papel desempeñan la cultura, las normas compartidas y el entorno social en el que vive cada persona?

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido