Proyectos finales Pregrado en Ingeniería Electrónica

URI permanente para esta colecciónhttps://repositorio.uninorte.edu.co/handle/10584/5787

Examinar

Mostrando 1 - 20 de 245

Herramienta de clasificación glomerular en imágenes de biopsias de pacientes con Nefritis Lúpica
(Barranquilla, Universidad del Norte, 2026, 2026-05-27) Ardila Cueto, Oliver David; Valencia Maestre, Alan Arturo; Tello Portillo, Juan Pablo
Este trabajo desarrolló una herramienta de visión por computador basada en aprendizaje profundo para apoyar la detección, segmentación y clasificación de glomérulos en biopsias renales de pacientes con nefritis lúpica. Esta enfermedad es una manifestación renal del lupus eritematoso sistémico y su diagnóstico depende de la evaluación histopatológica de glomérulos. Por ello, el sistema se enfocó en imágenes WSI teñidas con Ácido Peryódico de Schiff (PAS), tinción que resalta membranas basales, matriz mesangial y contornos capilares. La arquitectura adopta un pipeline secuencial compuesto por lectura de imágenes TIFF y anotaciones GeoJSON, extracción de tiles de 1024×1024 píxeles a 20x, filtrado de fondo mediante Otsu, normalización de Reinhard, estandarización Z-score, aumento de datos y generación de máscaras en QuPath. En la primera fase, una U-Net con encoder ResNet-34 segmenta los glomérulos a nivel de píxel, alcanzando F1/Dice = 0,8757, mIoU = 0,7789 y ROC-AUC = 0,9913. En la segunda fase, la clasificación utiliza una ResNet-34 con entrada RGB y máscara para categorizar los glomérulos en no proliferativo, proliferativo, esclerosado o excluido, obteniendo F1 global = 0,7447 y balanced accuracy = 0,7497. Los resultados evidencian la viabilidad del enfoque U-Net + clasificador como herramienta de apoyo cuantitativo e interpretable, aunque se requiere ampliar el dataset y realizar validación clínica externa antes de su uso asistencial.
Sistema de detección térmica y desconexión preventiva de instalaciones fotovoltaicas
(Barranquilla, Universidad del Norte 2026, 2026-05-26) Calderon, Sergiop; Martínez, Néstor; Torres, Dolcey
El presente proyecto de grado se enfoca en el análisis, simulación y propuesta de un sistema de detección térmica y desconexión preventiva para instalaciones solares fotovoltaicas. La investigación surge de la necesidad de reducir los riesgos asociados al sobrecalentamiento de los conductores eléctricos, especialmente en el lado de corriente continua, donde los paneles permanecen energizados mientras exista radiación solar. Esta condición puede generar deterioro del aislamiento, reducción de la vida útil del cableado, pérdidas de eficiencia, aparición de puntos calientes, arcos eléctricos e incluso incendios. Para abordar esta problemática, se desarrolla un modelo térmico que permite estimar la temperatura del conductor en función del tiempo, considerando variables eléctricas y ambientales como la corriente, la resistencia del cable, la temperatura ambiente, el coeficiente de convección, el área de disipación, la masa del conductor y su capacidad calorífica. El modelo se fundamenta en la potencia disipada por efecto Joule y en el balance térmico entre el conductor y el ambiente. La simulación se implementa en LabVIEW, lo que permite visualizar el comportamiento térmico del conductor, identificar condiciones de advertencia y activar una lógica de desconexión automática cuando se alcanza una temperatura crítica. De esta manera, el proyecto propone una estrategia preventiva orientada a mejorar la seguridad eléctrica, proteger los componentes de la instalación fotovoltaica y disminuir la probabilidad de fallas mayores. Además, su enfoque académico permite validar el comportamiento del sistema bajo diferentes escenarios de operación y servir como base para futuras implementaciones físicas.
Deployment of a private LTE network in a laboratory environment and integration of basic sensors
(Barranquilla, Universidad del Norte, 2026, 2026-06-22) Arias, Juan; Bohórquez, Hernando; Vélez, Juan Carlos
Este trabajo expone el diseño, la implementación y la validación experimental de una red privada LTE desplegada en el Laboratorio del DIE de la Universidad del Norte, concebida como una infraestructura local y controlada para la integración de servicios de sensorización, monitoreo, comunicación IP y transmisión de video comprimido. La arquitectura física y lógica se estructuró mediante una estación base Airspan AirSpeed 1000 operativa en la banda 48 (con un ancho de banda de 20 MHz y operación TDD), un núcleo Evolved Packet Core (EPC) de código abierto gestionado a través de Open5GS, equipos CPE como terminales de acceso y un servidor privado destinado a la analítica local. La validación técnica evaluó el rendimiento extremo a extremo, priorizando el enlace ascendente (uplink) como la métrica crítica del sistema debido al flujo de datos dominante que genera la cámara de videovigilancia conectada detrás del CPE. Para determinar la viabilidad operativa, se formuló un presupuesto funcional de tasa ascendente de 7.2 Mbps que consolida la demanda agregada de todos los servicios concurrentes. Los resultados experimentales demostraron un comportamiento estable del sistema en el borde, registrando un throughput ascendente promedio de 8.22 Mbps (con una dispersión mínima de 0.024 Mbps), un throughput descendente de 36.66 Mbps y un tiempo de ida y vuelta (RTT) promedio de 32.70 ms, sin pérdida de paquetes ICMP. Mediante una prueba de hipótesis t de Student, se confirmó con un 95% de confianza que la capacidad real de la red supera el umbral crítico de diseño. Se concluye que la red implementada cumple con los criterios funcionales exigidos en el laboratorio y se consolida como una plataforma académica para la investigación aplicada en redes móviles privadas.
Conversor DC/DC bidireccional para aplicación en vehículos eléctricos
(Barranquilla, Universidad del Norte, 2026, 2026-05-16) Pulgar Arroyo, Elkin David; Mugno Castrillo, Álvaro Andrés; Díaz Guzmán, Jorge Eliecer; Restrepo Restrepo, Mauricio; Castillo Sierra, Rafael
En este proyecto se desarrolló un conversor DC/DC bidireccional para aplicaciones en vehículos eléctricos. Este tipo de convertidores cumple un papel fundamental en la gestión energética de los vehículos eléctricos, ya que permite el proceso de carga y descarga de la batería para el aprovechamiento de la energía almacenada en casos donde sea necesario entregar potencia a la red eléctrica. Se seleccionó la topología Dual Active Bridge (DAB) con control por Simple Phase Shift (SPS), considerando factores como la eficiencia, la capacidad de transferencia de potencia y la seguridad. Se realizaron simulaciones de la topología seleccionada bajo diferentes condiciones de carga y flujo de potencia, con el fin de analizar su comportamiento y diseñar los principales elementos que conforman el convertidor. Se realizó la construcción de un prototipo funcional que permitiera llevar a la práctica los conceptos simulados y verificar el desempeño del sistema y el diseño de los componentes en condiciones reales de operación. Además, se desarrollaron pruebas experimentales mediante mediciones de voltaje, corriente y eficiencia, con el propósito de validar el funcionamiento del convertidor y analizar su rendimiento energético. Con este proyecto se realizó un aporte al desarrollo de tecnologías de electrónica de potencia orientadas a sistemas de movilidad eléctrica más eficientes y sostenibles.
AVA: Prototipo de vehículo autónomo impulsado por agentes de IA
(Barranquilla, Universidad del Norte, 2026, 2026-05-25) Hoz López, Valentina Nicole de la; Coronell Vargas, Roger David; Albor Olivo, Samir Alfonso; Quintero Monroy, Christian Giovanny; Pardo González, Mauricio
El presente proyecto, desarrollado en el período 2026-1 en la Universidad del Norte, diseña e implementa AVA (Autonomous Vehicle Prototype Powered by AI Agents), un vehículo autónomo a escala que integra dos agentes de inteligencia artificial especializados: un agente de percepción y un agente de control, orientados a la navegación segura en entornos urbanos a escala. El sistema fue desarrollado sobre una arquitectura maestro-esclavo compuesta por una Raspberry Pi como unidad central de procesamiento y un ESP32 como controlador de actuación, con visión por computadora como principal modalidad sensorial. El agente de percepción, basado en YOLO para la detección de objetos y la Transformada de Hough para el seguimiento de carril, opera a aproximadamente 10 FPS con una latencia de ~50 ms, alcanzando una tasa de éxito del 91.3% (mAP@0.5) sobre las cuatro clases de detección evaluadas. El agente de control fue evaluado mediante 30 recorridos experimentales distribuidos en 3 pistas de distinta complejidad, empleando la Tasa de Decisiones Acertadas (TDA) como métrica principal. Los resultados arrojaron una media muestral de TDA de 90.60%, con una desviación estándar de 9.70%. Aplicando una prueba t de Student unilateral derecha con nivel de significancia α = 0.05, se rechaza la hipótesis nula, confirmando con un 95% de confianza que AVA resuelve correctamente más del 85% de los eventos de navegación en pistas de distinta complejidad. El sistema opera con una autonomía de batería de aproximadamente 2 horas, constituyendo una plataforma educativa e investigativa funcional, replicable y construida íntegramente con recursos propios de la universidad para laboratorios universitarios.
Extracción de características de un sistema eléctrico a partir del gemelo digital obtenido mediante LiDAR
(Barranquilla, Universidad del Norte, 2026, 2026-05-25) Delgado Zarath, Daniel Eduardo; Vélez Díaz, Juan Carlos; Restrepo Restrepo, Mauricio; Castillo Sierra, Rafael
Este proyecto desarrolla un sistema para la extracción automática de variables mecánicas y eléctricas de líneas de transmisión a partir de nubes de puntos LiDAR UAV clasificadas, orientado a construir una representación digital del corredor eléctrico para tareas de inspección e ingeniería. El sistema procesa archivos LAS de líneas reales del sistema eléctrico colombiano y construye una representación topológica mediante la detección de apoyos y conductores, permitiendo segmentar vanos y estimar parámetros técnicos relevantes. La metodología integra procesamiento geométrico 3D y ajuste de conductores mediante modelos de catenaria. A partir de las clases LiDAR de apoyos y cables, el sistema identifica la topología de la línea y extrae variables mecánicas como longitud de vano y flecha. Posteriormente estima parámetros eléctricos de secuencia positiva y secuencia cero, incluyendo resistencia, inductancia y capacitancia por kilómetro. Los resultados se presentan en un visor web basado en Potree con alertas normativas RETIE. La validación se realizó sobre tres circuitos reales de 115 kV del sistema colombiano. Para flecha se procesaron 17 vanos con mediciones de referencia en Terrasolid, obteniendo un error promedio de 6.92%, estadísticamente inferior al umbral del 10% con 95% de confianza. Los parámetros de secuencia positiva se compararon con datos oficiales de XM (operador del sistema de transmisión nacional colombiano), con errores medios de 1.5%-1.9% en R, 2.2% en L y 2.2% en C; los de secuencia cero presentaron errores de 3.8%-6.7% en L, 1.9%-13.5% en C y hasta 21.3% en R, atribuibles principalmente a la asunción de resistividad de suelo uniforme. Se verificó que la geometría reconstruida desde UAV permite estimar variables mecánicas y eléctricas de líneas de transmisión con resultados dentro del rango reportado en la literatura para métodos similares.
Integración de un sistema de instrumentación wearable para la medida de variables fisiológicas relacionadas a enfermedades respiratorias
(Barranquilla, Universidad del Norte, 2026, 2026-05-25) Hernández del Valle, Juan Pablo; Quintero Cervantes, Andrea Beatriz; Rubiano Gutiérrez, Brayan Felipe; Narducci Marín, Margarita Sofía
WearME es un sistema portátil de monitoreo orientado a la medición de variables fisiológicas relacionadas con enfermedades respiratorias, facilitando así el seguimiento médico continuo. El sistema emplea un acelerómetro y un pulsioxímetro para la adquisición de dos señales fisiológicas, a partir de las cuales se calculan cuatro variables: frecuencia respiratoria, expansión torácica, frecuencia cardiaca y saturación de oxígeno en sangre. Los datos recopilados son procesados mediante un microcontrolador STM32 Nucleo de ultra bajo consumo y transmitidos a través de Bluetooth Low Energy (BLE) hacia una aplicación móvil, permitiendo al usuario visualizar continuamente las mediciones obtenidas. Adicionalmente, la aplicación genera alertas ante la detección de valores críticos. Para validar su funcionamiento, las mediciones de frecuencia cardiaca y saturación de oxígeno fueron comparadas con equipos médicos certificados y calibrados, mientras que la frecuencia respiratoria y la expansión torácica fueron verificadas con apoyo de personal médico capacitado. Los resultados obtenidos demuestran que, considerando un error porcentual máximo aceptable del 5 % respecto al equipo de referencia, el sistema presenta concordancia con las mediciones clínicas, registrando errores inferiores al 1 % en tres de las variables evaluadas. Finalmente, la encuesta de usabilidad realizada evidenció una experiencia de usuario mayormente positiva entre los sujetos de prueba. Lo anterior demuestra la viabilidad de un sistema de monitoreo autónomo y escalable en versiones futuras.
Pedal de multiefectos de guitarra con adecuación analógica y procesamiento digital
(Barranquilla, Universidad del Norte, 2026, 2026-05-23) Uribe Martínez, Esteban; Lugo Hidrobo, César Andrés; Barceló Guerrero, Samir Iván; Narducci Marín, Margarita Sofía
Los pedales de efectos para guitarra son herramientas fundamentales en la industria musical, esenciales para que músicos e ingenieros de sonido moldeen el timbre, la dinámica y el carácter sonoro de sus instrumentos. A pesar de representar un mercado global amplio y en constante crecimiento, los productos comerciales disponibles operan bajo un modelo de hardware cerrado: El usuario compra un pedal con efectos fijos y no puede agregar nuevos. Si requiere más opciones, debe adquirir otro equipo. Este sistema propone una plataforma híbrida, abierta y programable orientada al mercado profesional, donde los efectos son software, permitiendo que la biblioteca de sonidos crezca indefinidamente sin cambiar el hardware. El proyecto integra adecuación analógica y procesamiento digital de señales de audio en una sola plataforma. Cuenta con una etapa de acondicionamiento de señal para la captura de la guitarra, seguida de una etapa de distorsión analógica antes del procesamiento digital. La digitalización de la señal se realiza mediante una tarjeta de adquisición, transfiriéndola a un computador donde los efectos digitales son procesados en tiempo real mediante código en C. El sistema ofrece ocho efectos digitales, cada uno con características únicas sobre el sonido. Los parámetros de cada efecto se controlan de forma remota desde una aplicación móvil, mientras que una interfaz gráfica en el computador permite visualizar la señal en tiempo real en los dominios del tiempo y la frecuencia.
Sistema de notificaciones de condiciones medioambientales del cuarto de operación del clúster computacional del DIEE
(Barranquilla, Universidad del Norte, 2026, 2026-05-22) Orozco Fernández, Amir Andrés; Góngora Gallón, Adrián Esteban; Pardo González, Mauricio
El Departamento de Ingeniería Eléctrica y Electrónica (DIEE) de la Universidad del Norte opera un clúster computacional ubicado en un recinto equipado con un sistema de refrigeración. No obstante, las unidades de enfriamiento no reanudan su operación automáticamente tras cortes temporales de energía. Ante esto, el departamento requiere una solución que monitoree las condiciones ambientales del área y actúe autónomamente para restablecer la climatización. El Sistema de Notificaciones de Condiciones Medioambientales del Cuarto de Operaciones del Clúster Computacional del DIEE propone una solución que integra un dispositivo de monitoreo con un Bot de Telegram, estableciendo una comunicación bidireccional. El dispositivo mide temperatura y humedad, enviando automáticamente una señal de encendido al aire acondicionado si se supera el umbral definido. Simultáneamente, el bot permite al usuario recibir alertas, consultar el estado ambiental y ajustar los límites de temperatura de forma remota. Para la implementación, se decodificó la señal del control remoto del aire acondicionado y se integró en un microcontrolador ESP32 dotado de tres emisores de luz infrarroja (IR). Paralelamente, se desarrolló el código para la adquisición de datos mediante un sensor de temperatura y humedad relativa (SHT40) y su visualización en una pantalla integrada. Finalmente, se programó y vinculó el Bot de Telegram para habilitar la supervisión y el control remoto. Como resultado, se obtuvo un sistema capaz de monitorear variables térmicas y ejecutar acciones correctivas en la infraestructura de refrigeración. El sistema presenta un tiempo de respuesta inferior a 3 minutos para notificaciones y acciones ante incrementos de temperatura, y una latencia menor a 10 segundos en las consultas de usuario.
Relé de detección y clasificación de fallas eléctricas basado en inteligencia artificial
(Barranquilla, Universidad del Norte, 2026, 2026-05-22) Arraut Navarro, Alfredo Alberto; Carmona Acuña, Jesús Manuel; Castro Sierra, Santiago; Restrepo Restrepo, Mauricio; Castillo Sierra, Rafael de Jesús
Los sistemas de protección convencionales empleados en redes de distribución, basados en relés electromecánicos o digitales con lógica fija, presentan limitaciones para identificar fallas asimétricas, de alta impedancia o con condiciones operativas variables. Por esta razón, el proyecto incorpora técnicas de inteligencia artificial dentro de un esquema de protección eléctrica, con el fin de analizar señales del sistema trifásico y extraer patrones que permiten reconocer diferentes condiciones de falla. Para esto, se diseñó un modelo capaz de clasificar fallas monofásicas, bifásicas, bifásicas a tierra y trifásicas, el cual se implementó en una plataforma de desarrollo que permite su ejecución local y en tiempo real. El resultado es un prototipo funcional de relé inteligente, integrado por una etapa de adquisición y procesamiento de señales, un modelo de IA para la toma de decisiones y una lógica de protección capaz de detectar y clasificar fallas. Los resultados se visualizan en una plataforma donde se registran las variables físicas de interés y si existe o no, una falla eléctrica. Para el caso de la clasificación, este modelo es evaluado mediante software, es decir, no está directamente involucrado con la interfaz que está registrando los datos o bien, identificando la existencia de la falla. Para comprobar el modelo de clasificación, se ingresan los datos registrados de los escenarios evaluados de manera manual y se ejecuta el código para que el modelo identifique el tipo de falla que se está presentando. El sistema es validado mediante pruebas para verificar su funcionamiento frente a distintos escenarios de falla. Su implementación provee una estrategia que puede minimizar los costos por mantenimiento correctivo. Además, fortalece la continuidad del suministro y consumo eléctrico bajo criterios profesionales y técnicos.
Laguna: Sistema IoT de bajo costo con aprendizaje automático para la predicción temprana de hipoxia en cuerpos de agua del Caribe colombiano
(Barranquilla, Universidad del Norte, 2026, 2026-05-21) Bermejo, Juan; Gómez, Haxell
El proyecto "Bio-Laguna" consiste en el diseño e implementación de un sistema IoT económico que utiliza aprendizaje automático para la predicción temprana de eventos de hipoxia (bajos niveles de oxígeno) en cuerpos de agua del Caribe colombiano, como la Bahía de Cartagena y la Ciénaga Grande de Santa Marta, los cuales presentan deterioro ambiental, eutrofización (enriquecimiento excesivo de nutrientes que provoca una proliferación descontrolada de algas y plantas y recurrentes mortandades masivas de peces. Como alternativa a los prohibitivos costos de los sensores industriales de oxígeno disuelto, este dispositivo captura variables ambientales mediante sensores de bajo costo, específicamente el pH, la temperatura y la turbidez del agua con los que se puede estimar el oxígeno disuelto a través de algoritmos predictivos. Adicionalmente, la solución incorpora un "Biólogo Virtual", es decir, un módulo de interpretación impulsado por un modelo de lenguaje (LLM) y un servidor MCP, diseñado para traducir los datos técnicos en lenguaje natural comprensible. El objetivo es democratizar el monitoreo ambiental y ofrecer una herramienta de alerta temprana que permita realizar cosechas preventivas, protegiendo así el sustento económico de miles de familias pesqueras vulnerables en la región.
Herramienta de detección de atrofia tubular en pacientes con Nefritis Lúpica
(Barranquilla, Universidad del Norte, 2026, 2026-05-22) Castañeda Villarroel, Sebastián Alejandro; Barrero Hernandez, Mariana Margarita; Vásquez Gómez, Juliana Carolina; Tello Portillo, Juan Pablo
Se desarrolla una herramienta basada en deep learning para detectar y segmentar regiones tubulares afectadas por nefritis lúpica en biopsias renales obtenidas mediante microscopía de luz en formato WSI (Whole Slide Image). El objetivo es reducir la subjetividad y el tiempo requerido en el análisis realizado por patólogos, proporcionando una cuantificación más objetiva y reproducible de la atrofia tubular. Para ello, se construyó un dataset a partir de una base de datos pública extraída de Kidney Tissue Atlas, compuesto por 18 biopsias anotadas con la supervisión de especialistas médicos, generando aproximadamente 16.000 recortes de 512x512 píxeles y sus respectivas máscaras binarias. Se implementaron técnicas de preprocesamiento y normalización de color para homogenizar las imágenes y mejorar el desempeño del modelo. Se aplicaron estrategias de aumento de datos para incrementar la variabilidad del conjunto de entrenamiento y evitar el sobreajuste. El modelo fue validado por un especialista médico, obteniendo resultados satisfactorios en la identificación y delimitación de regiones tubulares atrofiadas. Nuestro proyecto aporta una solución de apoyo clínico más rápida, clara y reproducible para el análisis histopatológico de pacientes con nefritis lúpica.
Sistema de adquisición de audio para señales respiratorias
(Barranquilla, Universidad del Norte, 2026, 2026-05-27) Cabrera Janer, Emmanuel Antonio; Pedraza Wilson, Nikolas Moises; Narducci Marín, Margarita Sofía
Se desarrolló un sistema IoT (Internet of things) para la adquisición, visualización y almacenamiento de señales de audio respiratorias para asistir al personal médico en los procesos de diagnóstico ya que la auscultación pulmonar convencional presenta limitaciones para el envío de audios y el seguimiento histórico de los sonidos respiratorios del paciente. La solución propuesta integra un micrófono acoplado a la campana de un estetoscopio convencional que capta los sonidos pulmonares. Esta señal acústica es amplificada y filtrada para luego ser digitalizada y transmitida por WiFi a una aplicación móvil. En esta APP móvil, el médico puede grabar y observar gráficamente el comportamiento de la respiración en tiempo real. Finalmente, todos los registros y audios se guardan de manera segura en una base de datos en la nube. De este modo, se transforma la auscultación tradicional, en un proceso completamente digital y documentable, permitiendo crear historiales clínicos auditivos, comparar la evolución del paciente, facilitar segundas opiniones y aportar a la telemedicina.
Portal inteligente para conteo de personas con procesamiento local
(Barranquilla, Universidad del Norte, 2025, 2025-11-27) Fábregas, Andrés; Gómez, Diego
El proyecto presenta el diseño e implementación de un portal inteligente para el conteo de personas, basado en visión por computador y ejecutado completamente de forma local sobre una NVIDIA Jetson Nano. El sistema utiliza una cámara cenital para capturar el flujo de personas y un detector optimizado con YOLO + TensorRT, combinado con el algoritmo de seguimiento SORT, permitiendo identificar, rastrear y contabilizar entradas y salidas en tiempo real sin depender de internet ni servicios en la nube. Para su desarrollo se creó un dataset propio de 3169 imágenes, y se entrenaron modelos YOLOv5s y YOLOv11s, evaluados mediante 63 videos y 317 eventos de cruce bajo condiciones reales. La validación experimental incluyó métricas como precisión, recall, F1-score, MOTA e IDF1, además de análisis estadístico con intervalos de confianza al 95%. Los resultados demostraron que la combinación YOLOv5 + SORT ofrece el mejor rendimiento global, alcanzando 0.95 de precisión, 0.91 de F1-score y operación estable a aproximadamente 11 FPS. Los hallazgos confirman la viabilidad de implementar soluciones autónomas de conteo en hardware embebido de bajo costo, útiles para control de aforo, gestión de accesos y análisis de flujo peatonal en entornos reales.
Sistema de detección de fatiga y somnolencia en conductores con visión computacional
(Barranquilla, Universidad del Norte, 2025, 2025-11-26) Rosa Padilla, Luciana de la; Rada Bendek, Ali Hamid; Gómez Cerón, Diego Fernando
Este trabajo presenta SafeDrive, un sistema de detección de somnolencia en conductores basado en computación en el borde y ejecutado en tiempo real sobre una Raspberry Pi 5, cuyo propósito es mejorar la seguridad vial mediante el análisis continuo del comportamiento facial del conductor. El sistema utiliza MediaPipe FaceMesh para extraer puntos faciales detallados en las zonas ocular y oral, a partir de los cuales se calculan indicadores fisiológicos como EAR, MAR y PERCLOS, ampliamente reconocidos en la literatura científica como señales tempranas de fatiga. Para validar su funcionamiento, se aplicó un protocolo experimental de tres etapas que permitió evaluar tanto el desempeño del algoritmo como la eficiencia del hardware, comparando resultados mediante análisis cuadro a cuadro y por minuto en dos computadores de placa única. Además, el sistema integra una arquitectura IoT basada en MQTT y AWS IoT Core que posibilita el monitoreo remoto en contextos de interacción humano-máquina. Los resultados obtenidos demuestran la viabilidad de implementar modelos ligeros basados en landmarks faciales en plataformas embebidas de bajo costo para aplicaciones de transporte inteligente y sistemas avanzados de asistencia al conductor.
Detección y clasificación de glomérulos en nefritis lúpica con deep learning
(Barranquilla, Universidad del Norte, 2025, 2025-11-26) Carreño Laguado, Mayra; Quintero Caballero, Juan Felipe; Tello Portillo, Juan Pablo
La nefritis lúpica (NL) representa una de las manifestaciones más graves del lupus eritematoso sistémico (LES), concentrando una elevada carga de mortalidad renal y un alto riesgo de progresión a enfermedad renal crónica. Su clasificación histopatológica continúa dependiendo de la biopsia renal y de la lectura manual de glomérulos bajo los criterios ISN/RPS, lo que exige conteos precisos y una adecuada estimación de proporciones entre patrones proliferativos, no proliferativos y lesiones crónicas. Este proceso es intensivo en tiempo, presenta variabilidad interobservador y se ve limitado por la escasa disponibilidad de patólogos renales, especialmente en contextos latinoamericanos. En este trabajo se desarrolla un sistema de visión por computador basado en deep learning para asistir el análisis de biopsias renales en NL. El sistema opera sobre Whole Slide Images (WSI) teñidas con Periodic Acid-Schiff (PAS), aplicando un pipeline completo de preprocesamiento, inferencia y postprocesamiento que incluye conversión a formato piramidal, extracción de parches con eliminación de fondo, normalización de color y balanceo de clases mediante data augmentation controlada. A partir de un conjunto de 1.675 glomérulos anotados y validados por una nefróloga, se entrena un modelo YOLOv8 para detectar y clasificar glomérulos en cuatro categorías clínicamente relevantes: no proliferativo, proliferativo, esclerosado y excluido. El modelo alcanzó métricas acordes con las condiciones de la base de datos desarrollada, con precisión ≈ 0,693, recall ≈ 0,523 y mAP@50 ≈ 0,628. Los resultados mostraron un desempeño consistente considerando el tamaño limitado del conjunto de entrenamiento, y el análisis detallado permitió identificar los patrones de error más frecuentes dentro de las cuatro clases evaluadas. Estos hallazgos evidencian el potencial de integrar deep learning en patología renal como apoyo para estandarizar el conteo glomerular y reducir la variabilidad diagnóstica en NL.
Sistema de medición y control para un compensador estático de reactivos (SVC) en el laboratorio UniGrid
(Barranquilla, Universidad del Norte, 2025, 2025-11-25) Narváez, Andrés; Becerra, Gabriela; Restrepo, Mauricio; Castillo, Rafael
Este proyecto desarrolló un sistema integrado de medición y control en lazo cerrado para un Compensador Estático de Reactivos (SVC) en el laboratorio UniGrid. El prototipo original operaba en lazo abierto y dependía de mediciones externas con altos retardos, lo que impedía regular potencia reactiva en tiempo real. Para solucionar esto, se diseñó una arquitectura que combina sensores ZMPT101B y ACS712, un ADC ADS1263 HAT y una Raspberry Pi 4 encargada del procesamiento digital de señales y del cálculo de valores RMS y potencia reactiva. En paralelo, se implementó un controlador PI en un Arduino Uno, optimizado mediante el método de Ziegler–Nichols y complementado con un lazo de feedforward basado en una tabla de ángulos del TCR. Además, se construyó un modelo completo del SVC en MATLAB/Simulink para validar la dinámica del sistema y ajustar los parámetros del control. La solución final incluyó una interfaz gráfica en Python y la integración física en un gabinete seguro. La validación experimental, con 20 niveles de consigna y 200 mediciones, mostró un error promedio del 3.665 %, comprobando mediante prueba de hipótesis (99 % de confianza) que el sistema cumple el criterio de precisión (<5 %). El proyecto moderniza la infraestructura del UniGrid y ofrece una herramienta académica robusta para el estudio de FACTS y compensación de potencia reactiva.
Autonet AI: Automatización de redes de computadores basada en inteligencia artificial
(Barranquilla, Universidad del Norte, 2025, 2025-11-24) Mercado Blanco, Samir David; Ordóñez Sánchez, Carlos Daniel; Cardona Peña, Jairo Alberto
Autonet AI es un proyecto que aborda el crítico problema de la gestión manual de redes, principal causante del 40% al 70% de las fallas en infraestructuras complejas. Este sistema propone una solución innovadora y accesible: un asistente de red inteligente que automatiza por completo la detección y respuesta a amenazas de seguridad. Integrando el monitoreo en tiempo real (SNMP), modelos de inteligencia artificial y la herramienta de automatización Ansible, el sistema es capaz de distinguir entre el tráfico normal y un ataque específico de Denegación de Servicio (DoS) y uno de fuerza bruta. Tras su detección, genera y ejecuta automáticamente configuraciones de mitigación, reduciendo el tiempo de respuesta a incidentes y operando de forma autónoma y continua. Implementado y validado con éxito en un entorno controlado de laboratorio, Autonet AI demuestra que es posible transformar la administración de redes tradicional en un proceso proactivo, seguro y escalable, utilizando inteligencia artificial y herramientas de código abierto, sentando así las bases para su adopción en entornos organizacionales reales.
Integración de redes sensoriales en modelos BIM para monitoreo en tiempo real
(Barranquilla, Universidad del Norte, 2025, 2025-11-24) Daza Rojas, Wilman Jose; De Oro Carmona, Dylan Steev; Lozano Angarita, Juan Felipe; Vélez Díaz, Juan Carlos
Título: Integración de Redes Sensoriales en Modelos BIM para Monitoreo en Tiempo Real Autores: Wilman Jose Daza Rojas, Dylan Steev De Oro Carmona, Juan Felipe Lozano Angarita Asesor: Juan Carlos Vélez Díaz Este proyecto desarrolla una plataforma que integra redes sensoriales distribuidas con modelos BIM con el fin de habilitar el monitoreo en tiempo real dentro de un entorno tridimensional. El objetivo principal fue transformar modelos BIM estáticos en representaciones digitales dinámicas, capaces de reflejar las condiciones actuales de un espacio físico mediante la incorporación de datos ambientales capturados por sensores IoT. La metodología incluyó la selección de protocolos de comunicación de baja latencia, el diseño de una arquitectura basada en servicios en la nube, el procesamiento eficiente de datos sensoriales y su visualización coherente en un visor 3D. Los resultados obtenidos demuestran la viabilidad de construir un sistema funcional de monitoreo continuo que sincroniza variables ambientales con la geometría BIM, logrando un prototipo de gemelo digital accesible, robusto y orientado a aplicaciones académicas y operativas. Esta integración permite mejorar la toma de decisiones, optimizar la gestión del espacio y sentar las bases para futuros desarrollos en automatización, mantenimiento predictivo y análisis del desempeño en el sector de la arquitectura, ingeniería y construcción.
Gemelo digital para monitoreo y visualización 3D del laboratorio UniGRID
(Barranquilla, Universidad del Norte, 2025, 2025-11-22) Abuchaibe, Dylan; Morales, Octavio; Vásquez, Jorge; Vélez, Juan Carlos; Espitia, Gustavo
El proyecto desarrolló un gemelo digital integral del laboratorio UniGRID, combinando tecnologías de digitalización 3D, monitoreo y servicios en la nube para obtener una representación precisa y dinámica del entorno físico. La digitalización del laboratorio se realizó mediante fotogrametría móvil, generando una nube de puntos detallada que, tras su procesamiento, fue incorporada en un visor web basado en Potree. Esto permitió crear una visualización tridimensional interactiva, accesible desde cualquier dispositivo y con capacidad de resaltar los activos más relevantes del laboratorio. De manera complementaria, se implementó un sistema SCADA capaz de adquirir variables eléctricas y estados de operación de los equipos en tiempo real. Estas mediciones se transmiten utilizando Modbus TCP/IP hacia un script desarrollado en Python, encargado de formatear y publicar los datos en la plataforma de AWS IoT. Una vez en la nube, la información es procesada, almacenada y distribuida hacia un dashboard web que combina visualizaciones 2D y la escena 3D del laboratorio. El resultado final es una herramienta funcional, moderna y escalable que permite monitorear el laboratorio UniGRID de forma remota, consultar tendencias históricas y comprender de manera visual el comportamiento del sistema. Además de mejorar la supervisión y la gestión de los recursos, el gemelo digital se convierte en un apoyo didáctico para estudiantes y docentes, acercando al ámbito académico tecnologías propias de la Industria 4.0.

Examinar

Envíos recientes