Pósters Innovadores #InnovandoconIA en el Ágora de Inteligencia Artificial
La IA en la Formación Profesional
Autora: Stefanie Gründler
La inteligencia artificial está transformando la formación profesional, ofreciendo mayor eficiencia, mejores resultados de aprendizaje y una adaptación precisa a diversas necesidades educativas. A través de asistentes de aprendizaje, generadores de feedback y herramientas de corrección automatizadas, la IA optimiza los procesos de enseñanza y personaliza el apoyo a cada estudiante.
Además de mejorar la productividad y la sostenibilidad, estas innovaciones permiten a formadores y empresas ahorrar costes y tiempo, asegurando un futuro más eficiente para la educación profesional.
📩 Contacto: stefanie@gruendlers.info | 📞 691 865 194
🔗 Dirigido a: Universidades, instituciones de FP y empresas.
MAPSIA: Sistema de visión artificial para detectar, localizar y caracterizar defectos superficiales en la carretera
Autores: Carlos Real y Lara Lloret (Universidad de Cantabria, CSIC, IFCA, GITECO)
MAPSIA es un sistema innovador basado en Deep Learning que permite detectar, localizar y categorizar defectos superficiales en las carreteras. Gracias a su capacidad de análisis y georreferenciación, proporciona información clave para el mantenimiento predictivo, optimizando recursos y reduciendo costes.
Este software permite explorar el estado del pavimento en tiempo real y tomar decisiones basadas en datos, contribuyendo a aumentar el ciclo de vida de las infraestructuras, mejorar la seguridad vial y minimizar el impacto medioambiental del mantenimiento correctivo.
🔹 Logros de MAPSIA:
✅ Publicación de un conjunto de datos en abierto.
✅ Diseño de un sistema de adquisición de imágenes.
✅ Análisis y comparación de modelos de detección.
✅ Desarrollo de un índice de condiciones del pavimento.
✅ Creación de un software modular basado en capas.
🔹 Flujo de trabajo:
📌 Recolección y etiquetado de imágenes.
📌 Entrenamiento del modelo de detección.
📌 Implementación en un software de gestión de pavimentos.
📩 Contacto: E.T.S.I. de Caminos, Canales y Puertos de Santander
📞 942 202 053 | ✉️ giteco@unican.es
INTELLCYST: Herramienta de IA para el diagnóstico y tratamiento del Síndrome de Ovario Poliquístico (SOP)
Autora: Paula Monje
El Síndrome de Ovario Poliquístico (SOP) es la enfermedad endocrina más común en mujeres en edad reproductiva, afectando entre un 6% y un 20% de la población femenina. Su diagnóstico ha sido históricamente un reto debido a la diversidad de síntomas y la falta de una causa definida, lo que ha dificultado su detección y tratamiento oportuno.
INTELLCYST es una innovadora herramienta basada en inteligencia artificial, que combina Machine Learning y conocimiento médico experto para mejorar la precisión en el diagnóstico y personalizar el tratamiento del SOP.
Características principales:
✅ Diagnóstico híbrido en tres fases: análisis de síntomas, ecografía ovárica y analítica sanguínea.
✅ Personalización del tratamiento, considerando la sintomatología individual y si la paciente está en proceso de búsqueda de embarazo.
✅ Precisión del 97-99%, optimizando el tiempo de diagnóstico y mejorando la calidad de vida de las pacientes.
Esta solución no solo mejora el diagnóstico y tratamiento del SOP, sino que también ayuda a reducir riesgos de complicaciones metabólicas, cardiovasculares, reproductivas y psicológicas asociadas a la enfermedad.
📩 Contacto: intellcyst@deducedatasolutions.com
📞 Teléfono: +34 657 33 44 83
DEMETER IA: Optimización del riego mediante inteligencia artificial
Autor: Javier Cuartas
DEMETER IA es un innovador sistema basado en inteligencia artificial que permite optimizar el uso del agua en la agricultura a través del análisis de datos de sensores de humedad del suelo y datos satelitales. Su objetivo es mejorar la eficiencia del riego, favoreciendo la sostenibilidad y reduciendo costes para las explotaciones agrícolas.
🔹 Principales desarrollos de DEMETER IA:
✅ Pretratamiento y exploración de datos: Transformación y limpieza de los datos de entrada, incluyendo gestión de outliers y reducción de dimensionalidad.
✅ Identificación automática de momentos de riego: Análisis de picos en las frecuencias de los sensores para predecir la necesidad de riego, validando la profundidad óptima de medición.
✅ Análisis de datos satelitales: Comparación de lecturas de humedad del suelo con el NDMI (Índice de Humedad de Diferencia Normalizada) obtenido de datos satelitales abiertos.
Resultados y futuro del proyecto:
A pesar de la escasez inicial de datos, el uso de datos abiertos de AEMET permitió mejorar las predicciones, logrando un sistema capaz de anticipar la necesidad de riego con tres días de antelación. Se espera seguir ampliando la base de datos para mejorar la integración con información satelital y potenciar aún más la eficiencia del sistema.
Esta solución representa un paso adelante en la agricultura de precisión, contribuyendo al ahorro de agua, la sostenibilidad y la mejora de la salud de los cultivos.
DAFNIA: Detección Automática de Dorsales en Eventos Deportivos
Autora: Biuse Casaponsa
DAFNIA es una innovadora aplicación basada en inteligencia artificial que revoluciona la venta de fotografías en eventos deportivos. Su tecnología de visión artificial permite detectar dorsales en imágenes de carreras de forma automática, facilitando la identificación de los corredores entre miles de fotos y ofreciéndoles acceso inmediato a sus imágenes personalizadas.
Principales características:
- Identificación instantánea de dorsales en fracciones de segundo.
- Acceso rápido a fotografías, organizadas en el perfil personal del corredor en menos de 24 horas.
- Plataforma para fotógrafos profesionales y amateurs, permitiendo la monetización de imágenes.
- Creación de comunidad, conectando a fotógrafos, corredores y organizadores en un espacio colaborativo.
Modelo de negocio:
- Comisión por venta de fotografías: Se cobra por cada transacción de venta.
- Suscripciones mensuales: Ofrecen almacenamiento y mejores experiencias para los usuarios.
- Publicidad segmentada: Campañas personalizadas para maximizar el impacto de los anunciantes.
Con DAFNIA, la experiencia en eventos deportivos se transforma, ofreciendo un acceso más fácil y rápido a los recuerdos de cada carrera.
Dynamic Adaptation: Detección y Corrección de Concept Drift en Entornos Industriales
Autor: Fernando Moreno
Contexto y Objetivos
El proyecto analiza datos de fábricas automovilísticas, incluyendo consumo energético, producción y clima, mediante series temporales de distintas frecuencias. Sus objetivos principales son:
- Predecir el consumo energético y optimizarlo mediante simulaciones.
- Detectar cambios inesperados en la operación (concept drift).
- Automatizar la adaptación de los modelos ante estos cambios.
Resultados y Próximos Pasos
- Modelos predictivos en producción para el consumo diario y mensual en distintas áreas de la fábrica.
- Monitorización de rendimiento y detección de cambios en el comportamiento de los datos.
- Desarrollo de algoritmos específicos para corregir concept drift en entornos industriales.
📧 Contacto: fernando.moreno@deducedatasolutions.com