Por favor, use este identificador para citar o enlazar este ítem:
https://ri-ng.uaq.mx/handle/123456789/13289| Título: | Identificación de personas con drones aplicando técnicas de inteligencia artificial |
| Autor(es): | Mitzi Jocelyn Reyes Ceron |
| Colaborador(es): | Juan Manuel Ramos Arreguin [Director de tesis] |
| Palabras clave: | Vehículos aéreos no tripulados (UAV) Visión por computadora YOLOv8 Identificación de sistemas Redes neuronales artificiales Cinemática inversa |
| Área: | INGENIERÍA Y TECNOLOGÍA |
| Fecha de publicación : | 9-sep-2026 |
| Editorial : | Universidad Autonoma de Querétaro |
| Páginas: | 1 recurso en línea (96 páginas) |
| Folio RI: | IGMAC-329008 |
| Facultad: | Facultad de Ingeniería |
| Programa académico: | Maestría en Ciencias en Inteligencia Artificial |
| Resumen: | La 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. |
| URI: | https://ri-ng.uaq.mx/handle/123456789/13289 |
| Aparece en: | Maestría en Ciencias en Inteligencia Artificial |
Archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| IGMAC-329008.pdf | 2.7 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.