Browsing by Subject "Monitoring"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Detección de enfermedades en cultivos de banano con imágenes aéreas utilizando un modelo de Deep Learning
    (Pontificia Universidad Javeriana Cali, 2024) Enríquez Polanco, Jorge Alberto; Rodríguez Reyes, Michael; Tobón Llano, Luis Eduardo
    Este documento presenta un proyecto cuyo objetivo principal es reducir la cantidad de tiempo invertida en el monitoreo de los cultivos de banano, mediante la implementación de modelos de Aprendizaje Profundo (Deep Learning). Estos modelos se han utilizado para detectar y monitorear las enfermedades de Fusarium wilt y Xanthomonas wilt en los cultivos, empleando imágenes de alta resolución en RGB obtenidas por UAV (vehículos aéreos no tripulados). El proyecto se dirige específicamente a pequeños y medianos agricultores, con el propósito de agilizar los procesos de monitoreo de los cultivos de banano y detectar de manera temprana las enfermedades mencionadas. Para lograr este objetivo, se ha desarrollado un prototipo funcional que ha sido probado en cultivos reales. La implementación del prototipo se ha basado en los avances encontrados en el estado del arte relacionado con dispositivos y arquitecturas utilizadas en la implementación de inteligencia artificial en el monitoreo de cultivos. Además, se ha utilizado una base de datos proporcionada por el Centro Internacional de Agricultura Tropical (CIAT), que cuenta con más de 30 mil plantas de banano anotadas y etiquetadas por expertos fitopatólogos. En 3 cuanto a los objetivos cuantitativos, se ha logrado reducir en al menos un 25% el tiempo necesario para el monitoreo de los cultivos de banano, en comparación con los métodos tradicionales utilizados por los agricultores. Para lograr estos objetivos, se ha utilizado la metodología CDIO, que implica comprender inicialmente la situación, necesidad o problema en un contexto específico. A partir de esta comprensión, se ha diseñado una solución que se ha implementado realizando las modificaciones necesarias hasta llegar a la fase operativa del proyecto
  • Thumbnail Image
    Item
    Diseño e implementación de una tarjeta de adquisición de datos para el análisis en línea de fallas en el rotor y rodamientos en un motor de inducción trifásico
    (Pontificia Universidad Javeriana Cali, 2022) Escobar Bergaño, Carlos Alberto; Terán Castro, Edwin Darío; Valencia Díaz, Manuel Vicente
  • Thumbnail Image
    Item
    Herramienta para detectar clientes potencialmente fraudulentos de Bancolombia
    (Pontificia Universidad Javeriana Cali, 2025) Patiño Munera, Santiago Alexis; Berrio Arenas, Johan Alexis; Pabón Burbano, María Constanza
    En el ámbito bancario, la detección y prevención de fraudes externos es crucial debido a la sofisticación de los métodos empleados por defraudadores. Bancolombia enfrenta el riesgo de fraudes cometidos por clientes, quienes con acceso a servicios y productos que el banco ofrece, pueden realizar actividades ilícitas que impactan económicamente y dañan la reputación de la institución. Los sistemas actuales de monitoreo alertan sobre clientes sospechosos, pero su incapacidad para contextualizar adecuadamente cada cliente resulta en una alta tasa de falsos positivos. El objetivo de este proyecto es desarrollar un modelo de aprendizaje automático para detectar clientes fraudulentos de Bancolombia, integrando datos financieros, transaccionales y demográficos específicos. Con el objetivo de optimizar la asignación de recursos en la investigación de fraudes reales y fortalecer la seguridad financiera de la entidad, se espera obtener los siguientes resultados: una base de datos integrada y equilibrada, un modelo eficiente para la 2 detección de clientes fraudulentos y un informe detallado que evalúe el desempeño del modelo implementado. La implementación exitosa mitigará los riesgos operativos del fraude externo y promoverá la aplicación de la ciencia de datos para fortalecer la seguridad financiera y la confianza pública en Bancolombia. Además, este proyecto podría servir como referencia para otras entidades, mejorando la eficiencia operativa y reduciendo costos asociados con la gestión de alertas de fraude.