Contratos I+D
Contratos de nuestros grupos de investigación
Los grupos de investigación que forman parte de AEPIA colaboran con empresas de forma habitual para resolver los retos y necesidades de las mismas en el ámbito de la Inteligencia Artificial.
El objetivo es que la transferencia de conocimiento dé lugar a un avance en el desarrollo tecnológico, el impacto internacional y la competitividad de las empresas.
Contratos
Incorporación de procesos de minería de datos educativos a las distintas aplicaciones de e-learning
La finalidad del contrato era la de incorporar procesos de minería de datos a una serie de sistemas e-learning que posee la empresa, y que explotan en diferentes países de Sudamérica como Colombia, Ecuador, etc.
Los sistemas e-learning de los diferentes países se encontraban descentralizados, lo que hacía imposible extraer información útil sobre el comportamiento global tanto desde el punto de vista de los estudiantes como de los docentes. Gracias a la unificación de las bases de datos de los diferentes sistemas, se permitió la generación de un sistema centralizado de minería de datos que permitía extraer información de cualquier colegio/instituto de cualquier país.
El sistema desarrollado permitió realizar diferentes tipos de analíticas, tanto básicas como avanzadas, que resultaban de enorme utilidad para Santillana Global de cara a mejorar los resultados académicos y explotar sus sistemas de una manera más eficiente.
Investigador principal: Sebastián Ventura (Universidad de Córdoba)
Email de contacto: sventura@uco.es
CECOVEL. Desarrollo de un Previsor de Demanda para Vehículo Eléctrico
Estudio de la demanda de recarga del vehículo eléctrico en España y uso de modelos de machine learning para su predicción.
Investigador principal: José C. Riquelme (Universidad de Sevilla)
Email de contacto: riquelme@us.es
SENSING_AI: Plataforma wearable para el diagnóstico temprano de trastornos emocionales y agudizaciones en pacientes con enfermedades crónicas mediante el uso de Inteligencia Artificial
Análisis de los datos proporcionados por dispositivos wearables para el control y seguimiento de pacientes con enfermedades crónicas en su propio hogar.
Investigador Principal: José C. Riquelme (Universidad de Sevilla)
Email de contacto: riquelme@us.es
Análisis de datos del Sistema Educativo de Primaria y Secundaria
Análisis de los datos depositados en la plataforma de gestión de la Enseñanza no universitaria de una Comunidad Autónoma. El análisis incluyó datos de alumnado, profesorado y centros, así como de un sistema de recomendación para los alumnos solicitantes de Ciclos de FP.
Investigador Principal: José C. Riquelme (Universidad de Sevilla)
Email de contacto: riquelme@us.es
Evaluación del impacto de fallos termográficos en paneles fotovoltaicos
El proyecto aborda el problema de la detección e identificación de anomalías en paneles solares, usando para ello los datos proporcionados por vehículos aéreos no tripulados equipados con cámaras visuales y termográficas. El desarrollo del proyecto requiere la aplicación de técnicas de inteligencia artificial que apoyen las diferentes tareas asociadas al mismo. Estas tareas incluyen la detección de anomalías en los paneles solares usando las imágenes termográficas, y la identificación de los paneles (con respecto a un plano base) a partir de las imágenes visuales. Esta identificación es necesaria para que las anomalías detectadas puedan ser reportadas a los técnicos (para su resolución), usando identificadores inequívocos.
La detección de anomalías puede realizarse a través de enfoques clásicos de visión por computador, utilizando para ello técnicas de umbralización, detección de bordes y reconocimiento de patrones. Con el objetivo de generar una solución estándar, y que por tanto no dependa de las condiciones (iluminación, altura del dron, condiciones metereológicas) en las que las imágenes han sido tomadas, durante el proyecto aplicamos soluciones de inteligencia artificial basadas en Deep Learning que automaticen el entrenamiento de modelos.
La identificación y localización de paneles, como complemento a la información proporcionada por el GPS, requiere de un procesamiento adaptativo. Para su resolución, se utilizarán algoritmos de optimización como Greedy Randomized Adaptive Search Procedures.
Investigador Principal: Luis de la Ossa Jiménez (Universidad de Castilla La Mancha)
Email de contacto: luis.delaossa@uclm.es
Sistema de detección y seguimiento de objetos para torres de control de aeropuertos con Deep Learning
El objetivo del proyecto es el estudio de la viabilidad y prestaciones de la detección de objetos de interés visibles desde la Torre de Control de un aeropuerto civil‚ utilizando técnicas de Deep Learning y otras técnicas de Inteligencia Artificial. El proyecto determinará la viabilidad y prestaciones de diferentes algoritmos aplicados a este contexto‚ así como la metodología para adaptar y ajustar su funcionamiento en las condiciones específicas de operación del sistema de control del aeropuerto.
Investigador Principal: Manuel Mucientes Molina (Universidad de Santiago de Compostela)
Email de contacto: manuel.mucientes@usc.es
Small Target Detection
La detección de objetos pequeños puede definirse como la localización de los objetos más pequeños discernibles por un humano. La utilización de técnicas computacionales para la detección de este tipo de objetos representa un reto muy importante para los sistemas actuales de visión artificial. Actualmente‚ existe una demanda creciente para el desarrollo de tecnología para el sector de la seguridad‚ tanto por parte de los integradores de estas soluciones como por las empresas y usuarios finales. Gracias a los desarrollos que se realizarán en el marco de este proyecto‚ será posible ampliar las capacidades de los actuales sistemas de videovigilancia inteligente‚ para poder abordar aplicaciones como la detección temprana de ataques con drones‚ las operaciones de búsqueda y rescate en el mar o la monitorización del tráfico marítimo desde UAVs.
Investigador Principal: Manuel Mucientes Molina (Universidad de Santiago de Compostela)
Email de contacto: manuel.mucientes@usc.es
Deep Learning para la detección de fallos en procesos de fabricación.
Desarrollo de modelos de Inteligencia Artificial para la detección de fallos en rodamientos.
Investigador Principal: Mikel Galar Idoate (Universidad Pública de Navarra)
Email de contacto: mikel.galar@unavarra.es
Viabilidad de Inteligencia Artificial sobre hardware embebido para medios de pago
Desarrollo de modelos de Inteligencia Artificial para detección de fraude en medios de pago embebidos
Investigador Principal: Mikel Galar Idoate (Universidad Pública de Navarra)
Email de contacto: mikel.galar@unavarra.es
Clasificación de vehículos según tipos
Desarrollo de modelos de Inteligencia Artificial para la detección de tipos de vehículos en vías de pago
Investigador Principal: Mikel Galar Idoate (Universidad Pública de Navarra)
Email de contacto: mikel.galar@unavarra.es
¿Diriges algún contrato de investigación en Inteligencia Artificial con una empresa? Te ayudamos a visibilizarlo en nuestra web.