Examinando por Autor "Martín Gómez, David"

Mostrando 1 - 4 de 4
  • Miniatura
    Publicación
    Arquitectura dinámica para inspección visual de superficies en tiempo-real
    (Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial, 2008-01-17) Martín Gómez, David; Guinea Díaz, Domingo; Rincón Zamorano, Mariano
    Los sistemas de visión artificial en la automatización de la inspección visual: Los sistemas de visión artificial proporcionan soluciones innovadoras en el ámbito de la automatización industrial, que mejoran considerablemente la gestión de la productividad y la calidad de los productos manufacturados aumentando su competitividad en el mercado. Un gran número de actividades industriales se han beneficiado de la utilización de las tecnologías de visión artificial en las áreas textil, del metal, manufacturado de cristal, componentes de maquinaría, piedra tallada, circuitos integrados, entre otras. La mayoría de los sistemas automáticos de visión artificial han sido diseñados para una aplicación específica totalmente caracterizada, careciendo de la flexibilidad necesaria para su utilización en otros dominios de aplicación. El objetivo de la tesis: El objetivo principal de esta tesis ha sido el diseño y desarrollo de una Arquitectura Dinámica para Inspección Visual de Superficies en Tiempo-Real que posee las propiedades de flexibilidad, reconfigurabilidad y viabilidad requeridas para su utilización en un conjunto amplio de aplicaciones. La arquitectura propuesta: La arquitectura se ha planteado desde la perspectiva del conocimiento acotado de una imagen superficial, en una arquitectura jerárquica de tres niveles: tareas, métodos y conocimiento del dominio; que permite, entre otros, la definición de componentes genéricos para su reutilización en diversas tareas de inspección visual de superficies. Por ello, a partir de la definición precisa y concisa del problema, se ha modelado la solución siguiendo la metodología de CommonKADS (Common Knowledge Analysis and Documentation System o Common Knowledge Analysis and Design Support, entre otras). Las tareas más relevantes han sido: XI 1. Configuración del sistema para adaptarse al tipo de material y defectos superficiales propios, al entorno, y a la operación a realizar en tiempo real. 2. Detección, clasificación e interpretación de defectos superficiales. 3. Diagnóstico de calidad del material inspeccionado. A partir de estas tareas se han planteado los PSMs (Métodos de Solución de Problemas (en inglés, Problem Solving Methods)) adecuados para la resolución de las tareas de inspección de varios materiales o procesos. El modelado del conocimiento del dominio engloba la adquisición de conocimiento para la caracterización de los defectos sobre diferentes soportes: metal, papel, plástico, textil y madera. Estas etapas se enriquecen con el conocimiento genérico propio de las técnicas, métodos y procedimientos de visión artificial apropiados para inspección de defectos superficiales. La aplicación (o dominio seleccionado): Con el propósito de acotar el problema, y aumentar la robustez y la fiabilidad de la solución; el sistema se centra en la inspección de superficies de materiales laminados. En particular, en la resolución de un tipo de problema: los defectos de puntos de óxido de los laminados de acero inoxidable (cascarilla residual). La consecución de los objetivos de análisis y diseño de la aplicación se basan en el estudio exhaustivo de cada una de las tareas a resolver por el sistema y de los métodos de resolución de las tareas; utilizando todo el conocimiento del dominio disponible. Recursos experimentales: Desde el punto de vista de los sistemas físicos, la complejidad física asociada a los dispositivos clásicos de inspección visual, se ha resuelto con la integración de iluminación láser de baja potencia. Esta investigación, de carácter innovador, es una solución viable y robusta al problema de la iluminación en entornos industriales estructurados. XIII En concreto se ha diseñado, desarrollado y probado los siguientes métodos: Formación de imagen visual con iluminación estándar. Formación de imagen con iluminación láser coaxial. Formación de imagen con iluminación láser exterior incidiendo con ángulos de 30º a 45º respecto al eje óptico de la cámara. Con el objetivo de seleccionar el mejor sistema para inspección superficial de este tipo de materiales y contrastar el método anteriormente propuesto, se han realizado pruebas con: Sensor fotoeléctrico. Espectroscopia óptica de emisión resuelta en tiempo y espacio. Cámaras convencionales con iluminación estándar. Comentarios finales: Se concluye que la integración de modelos de inteligencia artificial, en las tareas de inspección con sistemas de visión artificial, ha permitido disponer de una arquitectura jerárquica adaptable a diversos dominios de inspección, para la resolución de un tipo de problemas. Los objetivos multidisciplinares propuestos para la resolución del problema de inspección superficial, han conducido a obtener una solución con las características deseadas de flexibilidad, reconfigurabilidad y viabilidad, optimizada en este caso para una aplicación concreta: la inspección industrial de microdefectos en laminados de acero inoxidable en tiempo real.
  • Miniatura
    Publicación
    Comparison of physiological data acquisition for modeling of drivers in autonomous vehicles
    (Springer Nature, 2025-04-24) Fernandez Matellan, Raul; Puertas Ramírez, David; Martín Gómez, David; González Boticario, Jesús
    Humans can undergo rapid emotional changes and these changes can significantly affect their ability to perform tasks. Consequently, when we develop Human-Centred Symbiotic Artificial Intelligence (HCSAI) systems to support the interaction between autonomous systems and drivers, the intelligent system controlling the vehicle must adapt to the state of the user. This symbiotic relationship highlights the importance of collaboration and cooperation between humans and agents of artificial intelligence (AI). In the field of Autonomous Vehicles (AV), measurements must be made using non-invasive devices that do not interfere with the driving task. We have therefore used wristbands to measure physiological signals. This comparison is used to select the right equipment for setting up user modelling in different levels of autonomous vehicles. We compared the accuracy, precision and ease of use of three different wristbands: Fitbit Sense2, Empatica E4 and Emotibit. We tested the performance of the bands in two different driving scenarios: SAE Level 4 environment using autonomous golf carts (iCab), and a real-world SAE Level 2 driving environment in Scotland using a Toyota Prius equipped with Comma OpenPilot technology. The Fitbit Sense2 does not allow researchers to access raw data. The Emotibit and the Empatica E4 are designed for research, so they provide access to raw data, while the Empatica E4 is easier to use than the Emotibit. The comparison calls for the development of open source codes that will facilitate integration with different operating systems and other devices, as well as an easy way to use the devices in real time.
  • Miniatura
    Publicación
    Fusion of physiological signals for modeling driver awareness levels in conditional autonomous vehicles using semi-supervised learning
    (IEEE, 2024-10-11) Fernandez Matellan, Raul; Puertas Ramírez, David; Martín Gómez, David; González Boticario, Jesús
    The evolution of autonomous vehicles (AVs) requires a paradigm shift towards the integration of human factors to improve safety and efficiency at levels 2,3 and 4 of automation. This paper presents a comparison of three different fusion technologies (Low-Level fusion, Medium-Level fusion, and a hybrid fusion), highlighting the critical role of multimodal data integration and semi-supervised learning in predicting and adapting to levels of driver awareness. Our approach uses semi-supervised learning to deal with the data labelling problem, using unlabelled data to train an autoencoder and sparsely labelled data to train a 4-state classifier. Our model facilitates the fusion of data from different physiological signals, including skin electrodermal activity, heart rate, body temperature and acceleration. Using real driving data, the Medium-Level fusion approach gives the best performance, achieving 84% accuracy in predicting situations where the user may not be aware enough to take control of the vehicle. This research highlights the essential nature of fusion technologies to create adaptive and user-centred AV systems.
  • Miniatura
    Publicación
    Should Conditional Self-Driving Cars Consider the State of the Human Inside the Vehicle?
    (ACM, 2021-06-22) Puertas Ramírez, David; Serrano Mamolar, Ana; Martín Gómez, David; González Boticario, Jesús
    Autonomous vehicles with conditional automation are said to be the next step in the development of self-driving cars. The human driver still performs a critical role in them, by taking over the control of the vehicle if prompted. As the technology is still facing pending challenges, the human drivers are also required to be able to detect and react in case of Autonomous Drive System (ADS) malfunctions. Within this context, in this work we argue that to assure safety during autonomous operation the user state should be measured all the time, which is intended to support a ”fallback ready state”. From an in-depth literature review, this article identifies the human factors involved in the aforementioned ”fallback ready state” that affect the personalization of human-vehicle interaction.