Investigadores de la Universidad de Málaga han desarrollado un algoritmo de Inteligencia Artificial (IA) que realiza un agrupamiento no supervisado de objetos similares evitando el etiquetado manual. Este modelo es capaz de detectar una gran diversidad de elementos en la zona de pistas de un aeródromo, desde personas hasta aviones. Otra de las novedades es su optimización para ahorrar tiempo de cálculo y energía en las tareas de identificación, de forma que permite su uso en dispositivos de bajo consumo.
Fuente: Fundación Descubre
01 de mayo de 2025
Científicos del grupo de investigación Video and Image Processing (
VIP) del Departamento de Arquitectura de Computadores de la
Universidad de Málaga han desarrollado un sistema inteligente de videovigilancia que detecta e identifica en tiempo real objetos y personas en espacios amplios. La novedad de este método es que puede prescindir de la supervisión directa del ojo humano en prácticamente todo el proceso y reforzar las tareas de vigilancia y control. Para demostrar su eficacia, los expertos han probado este modelo en un aeropuerto europeo como escenario real.
Asimismo, otro aspecto clave de este estudio es la adaptación del sistema a un dispositivo informático de bajo consumo, es decir, a un procesador de datos más pequeño que los convencionales que requiere poca energía para su funcionamiento.
Hoy en día, los sistemas automáticos de videovigilancia suelen implementar técnicas de detección de objetos como fase inicial, antes de realizar tareas más complejas. Requieren la supervisión constante por parte de una persona o un equipo humano para corroborar que el etiquetado e identificación de los elementos se hace de forma correcta. “Estos modelos se construyen mediante un enfoque de aprendizaje supervisado, donde las imágenes de las clases de objetos, junto con su etiquetado, deben estar disponibles antes del entrenamiento”, explica a la
Fundación Descubre Paula Ruiz Barroso, investigadora de la Universidad de Málaga y autora principal del estudio.
Paula Ruiz Barroso, investigadora y estudiante de doctorado de la UMA.
Esta supervisión humana exige largos periodos de tiempo, así como recursos materiales y humanos. “El sistema empleado en este estudio nos permite identificar el movimiento de objetos grandes, como aviones, camiones de bomberos, etc. y al mismo tiempo detectar la presencia de otros más pequeños, como trenes de equipaje, personal trabajador, coches y furgonetas de mantenimiento, entre otros, requiriendo una supervisión humana mínima en comparación con los enfoques supervisados”, explica Ruiz.
Más procesado en menos tiempo
Con este sistema, los expertos proporcionaron al modelo imágenes grabadas en una plataforma de estacionamiento real, es decir, un área donde los aviones estacionan para cargar pasajeros y equipaje.
Para calcular el tiempo estimado de procesamiento de los datos que llega a visualizar, trabajaron en la optimización del proceso para que detectara objetos con mayor celeridad. “Hemos reducido los tiempos, pasando de 7,4 segundos por fotograma, ya que es un intervalo muy lento, a 0,2 segundos por fotograma”, indica la responsable del estudio.
Pista de un aeropuerto: los recuadros verdes marcan las regiones detectadas por el algoritmo que usa flujo óptico, los recuadros en azul marcan las regiones detectadas por la red neuronal y los recuadros rosa marcan las regiones detectadas por ambos algoritmos.
Durante las pruebas, emplearon modelos de referencia que posteriormente fueron optimizados con el fin de evaluar su impacto en el consumo de energía y el tiempo de inferencia, es decir, el intervalo temporal que necesita la inteligencia artificial después de haber aprendido datos nuevos en poder tomar decisiones.
Dispositivo de bajo consumo
Hasta ahora, debido a la alta complejidad computacional de los modelos de identificación convencionales, su procesamiento debía ejecutarse en aceleradores montados en servidores, es decir, procesadores informáticos de gran capacidad para cumplir con los requisitos de rendimiento.
En este trabajo, los expertos emplearon un dispositivo que permite ahorrar tiempo de cálculo y energía en estas tareas de identificación. “Además de reducir los tiempos de trabajo y el gasto de energía, el procesador garantiza la privacidad de los datos con los que trabaja porque no es necesario que se envíen a la nube”, añade Ruiz.
Los dispositivos permiten ahorrar tiempo de cálculo y energía en estas tareas de identificación.
Otra de las ventajas de este procesador es su bajo consumo energético. “Hemos conseguido que disminuya el gasto energético que emplea para su funcionamiento. En concreto, hemos logrado reducirlo de 9,6 julios a 0,4 julios, que equivale a un consumo 24 veces inferior al que tendría una bombilla LED de 10 W”, apunta la investigadora de la Universidad de Málaga.
Referencias
Más información:
#CienciaDirecta, agencia de noticias de ciencia andaluza, impulsada por la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía, con la colaboración de la Fundación Española para la Ciencia y la Tecnología-Ministerio de Ciencia, Innovación y Universidades.
Teléfono: 663 920 093
MÁS INFORMACIÓN
Paula Ruiz Barroso es una destacada ingeniera y joven investigadora originaria de Periana, Málaga. Su trayectoria académica y profesional ha estado marcada por su pasión por la tecnología, la inteligencia artificial y la innovación aplicada al bienestar social.
Formación y logros académicos
Paula estudió en el I.E.S. Alta Axarquía y posteriormente cursó el Grado en Ingeniería Electrónica, Robótica y Mecatrónica en la Universidad de Málaga (UMA). Actualmente, es doctoranda en el Departamento de Arquitectura de Computadores de la UMA, donde desarrolla su investigación en áreas como el edge computing, los sistemas embebidos y el aprendizaje profundo (deep learning).
Investigación e innovación tecnológica
Entre sus publicaciones científicas más recientes destacan trabajos sobre detección de anomalías en electrocardiogramas mediante inteligencia artificial, reconocimiento de objetos en vídeo en tiempo real y optimización de modelos de aprendizaje profundo en dispositivos de bajo consumo. Estos estudios tienen aplicaciones en campos como la salud, la seguridad y la movilidad inteligente.
Reconocimiento en competiciones tecnológicas
En 2018, Paula formó parte del equipo “UMA Garage Team” de la Universidad de Málaga, que obtuvo el segundo puesto en el “Autonomous Driving Challenge”, una competición nacional de coches autónomos a escala organizada por la Fundación Cotec. Fue la única mujer del equipo y su participación fue destacada por su compromiso y capacidad técnica.
Orgullo para Periana
Paula Ruiz Barroso es un ejemplo de talento joven que, desde una pequeña localidad como Periana, ha sabido proyectarse en el ámbito de la investigación tecnológica. Su trabajo no solo contribuye al avance científico, sino que también inspira a las nuevas generaciones a perseguir sus sueños con esfuerzo y dedicación.
