Visión artificial y deep learning
Deep Learning para procesado de imágenes industriales, detección de obstáculos y navegación
Desarrollo de algoritmos de visión artificial aplicada a movilidad inteligente, mantenimiento predictivo y robótica móvil industrial.
¿Qué es el proyecto?
El proyecto desarrolla algoritmos de Deep Learning para el procesado de imágenes industriales, la detección de obstáculos y la navegación inteligente basada en visión. El trabajo se estructura en tres líneas principales:
- Desarrollo de algoritmos de navegación basados en visión y redes neuronales profundas.
- Reconocimiento de patrones fiduciarios naturales a partir de elementos del entorno, sin necesidad de modificarlo con marcadores específicos.
- Optimización de trayectorias, consumo energético y mantenimiento predictivo mediante el cálculo de la vida útil remanente de vehículos.
El reto: visión artificial para movilidad inteligente
Los sistemas de movilidad autónoma e industrial necesitan interpretar el entorno, navegar con precisión y anticipar fallos sin depender de infraestructuras artificiales
-
Navegación sin alterar el entorno
El reto es localizar y guiar vehículos usando patrones naturales del entorno, sin instalar marcadores específicos.
-
Detección de obstáculos y distancias
Los vehículos autónomos de interior necesitan detectar objetos y estimar distancias con fiabilidad.
-
Anticipación de averías
El mantenimiento predictivo requiere estimar la vida útil remanente para saber cuándo un vehículo puede dejar de estar disponible.
-
Optimización de trayectorias y energía
Las rutas de robots y vehículos industriales deben reducir consumos y adaptarse a condiciones reales de operación.
Enfoque del proyecto
El proyecto combina visión artificial, redes neuronales profundas y colaboración industrial para desarrollar sistemas inteligentes de navegación, detección y mantenimiento predictivo.
- Deep Learning aplicado a imágenes industriales
- Navegación basada en visión y patrones naturales
- Optimización de RUL, trayectorias y consumo energético
Este enfoque permite conectar investigación doctoral, validación científica y transferencia hacia empresas del entorno:
-
Detectamos patrones fiduciarios naturales sin modificar el entorno físico
-
Desarrollamos algoritmos de navegación y detección para vehículos autónomos
-
Estimamos la vida útil remanente de vehículos para mejorar el mantenimiento
-
Abrimos nuevas colaboraciones en IA industrial y robótica móvil
Objetivos del proyecto
Desarrollar algoritmos de Deep Learning para visión artificial aplicada a navegación inteligente, detección de obstáculos y mantenimiento predictivo de vehículos.
-
1
Desarrollar navegación basada en visión
-
2
Detectar patrones fiduciarios naturales
-
3
Procesar imágenes industriales con Deep Learning
-
4
Optimizar mantenimiento mediante RUL
-
5
Mejorar trayectorias y consumo energético
Publicaciones del proyecto
-
Mena-Almonte et al. (2025)
Efficient Robot Localization Through Deep Learning-Based Natural Fiduciary Pattern Recognition.
-
Cabezas-Olivenza et al. (2024)
Navigation Algorithm Based on Reinforcement Learning and Genetic Algorithm.
-
Azurmendi et al. (2023)
Simultaneous Object Detection and Distance Estimation for Indoor Autonomous Vehicles.
-
Continuidad científica
Tesis doctoral de Iker Azurmendi, tesis industrial con Nekane Uriarte y tesis industrial con Danel Rico.
Producción científica y transferencia
Investigación aplicada en visión artificial, navegación autónoma y mantenimiento predictivo
Publicaciones indexadas
Deep Learning, navegación y vehículos autónomos
El proyecto ha generado tres publicaciones en revistas indexadas sobre localización robótica mediante patrones naturales, navegación con aprendizaje por refuerzo y algoritmo genético, y detección de objetos con estimación de distancia para vehículos autónomos de interior.
Transferencia en curso:
-
Centro Stirling / MC3
Optimización del RUL de vehículos y mantenimiento predictivo mediante redes neuronales profundas
-
Aldakin
Colaboración orientada a optimizar el consumo energético en rutas de robots móviles industriales.
La solución: IA para visión y navegación inteligente
Un conjunto de algoritmos de Deep Learning para interpretar imágenes, detectar obstáculos, navegar y anticipar fallos en sistemas de movilidad industrial.
Líneas de desarrollo:
-
Navegación basada en visión
-
Patrones fiduciarios naturales
-
Detección de objetos y distancia
-
Optimización del RUL
-
Trayectorias eficientes
Capacidades tecnológicas:
-
Localiza robots mediante patrones del entorno sin marcadores artificiales
-
Reconoce referencias visuales naturales para apoyar la navegación.
-
Detecta objetos y estima distancias en vehículos autónomos de interior.
-
Calcula la vida útil remanente para anticipar averías.
-
Apoya rutas más eficientes y menor consumo energético.
Equipo y colaboraciones
Un proyecto centrado en IA industrial, visión artificial, navegación autónoma y mantenimiento predictivo, con continuidad en tesis doctorales y colaboraciones empresariales
Financiación
Proyecto financiado por Mobility Lab Vitoria-Gasteiz
Periodo de ejecución: 2023-2025
