1. Repositorio Institucional UAQ
  2. Tesis
  3. Facultad de Ingeniería
  4. Maestría
  5. Maestría en Ciencias en Inteligencia Artificial
Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/13289
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttps://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJuan Manuel Ramos Arreguines_ES
dc.coverage.spatialQuerétaro, Méxicoes_ES
dc.creatorMitzi Jocelyn Reyes Cerones_ES
dc.date.accessioned2026-09-11T17:53:58Z-
dc.date.available2026-09-11T17:53:58Z-
dc.date.issued2026-09-09-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/13289-
dc.descriptionLa navegación autónoma de Vehículos Aéreos No Tripulados (UAVs) en entornos no estructurados requiere la integración eficiente de sistemas de percepción y control. Esta tesis presenta una metodología modular para la detección de personas y la navegación basada en inteligencia artificial, implementada sobre una plataforma comercial de arquitectura cerrada (Tello EDU). Para el subsistema de percepción visual, se evaluó la arquitectura de aprendizaje profundo YOLOv8s utilizando el conjunto de datos VisDrone, logrando un F1-score de 0.955 y demostrando una mayor robustez ante variaciones de escala y oclusión en comparación con modelos predecesores. En cuanto al subsistema de navegación, debido a la imposibilidad de acceder a los lazos de control internos del vehículo, se desarrolló una estrategia de Identificación de Sistemas de Caja Negra. Se entrenó una Red Neuronal Artificial (Perceptrón Multicapa) para aprender el modelo cinemático inverso del dron a partir de datos sintéticos generados en MATLAB. Los resultados experimentales en simulación validaron que el modelo neuronal es capaz de generalizar maniobras de vuelo complejas y actuar como un filtro estabilizador ante trayectorias estocásticas. La investigación concluye que la integración de visión avanzada y modelado neuronal inverso constituye una solución viable para dotar de autonomía a drones de bajo costo en tareas de vigilancia.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (96 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autonoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectVehículos aéreos no tripulados (UAV)es_ES
dc.subjectVisión por computadoraes_ES
dc.subjectYOLOv8es_ES
dc.subjectIdentificación de sistemases_ES
dc.subjectRedes neuronales artificialeses_ES
dc.subjectCinemática inversaes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleIdentificación de personas con drones aplicando técnicas de inteligencia artificiales_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidORCIDes_ES
dc.creator.identificador0009-0001-2179-3316es_ES
dc.contributor.identificador0000-0002-2604-9692es_ES
dc.contributor.roleDirector de tesises_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator329008es_ES
dc.folioIGMAC-329008es_ES
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Archivos:
Fichero Descripción Tamaño Formato  
IGMAC-329008.pdf2.7 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.