Diseño de un software para la identificación de color a través de clasificación de imágenes para ayudar a personas con daltonismo

Ángel Diego; Triana Carlos

Diseño de un software para la identificación de color a través de clasificación de imágenes para ayudar a personas con daltonismo

Autores/as

Ángel Diego Universidad Libre
Triana Carlos Universidad Libre

Palabras clave:

Aprendizaje automático, Daltonismo, clasificación de imágenes, redes neuronales

Resumen

La identificación de colores a través del análisis de imágenes se presenta como una posible solución a personas con afecciones visuales, entre ellas, la alteración genética del daltonismo, personas que básicamente confunden colores debido al daño presente en los conos de visión (células nerviosas del ojo que perciben los pigmentos de los colores) ubicados en el ojo, lo cual dificulta diferenciar algunos colores dependiendo del pigmento faltante. El factor del color es algo que podría poner en peligro la aceptación del individuo en situaciones de integración social y/o profesional [1]. Esta afección genética afecta aproximadamente al 10% de los hombres y un 0.5% de las mujeres. El uso de redes neuronales y algoritmos de aprendizaje automático para la clasificación de imágenes, representan una alternativa para la adquisición de información de su entorno y que facilite sus necesidades específicas [2]. El desarrollo de este proyecto propone el diseño de un sistema de clasificación de imágenes que permita la identificación de colores asociados a una imagen a partir del uso de tecnología de clasificación y aprendizaje autónomo por medio de metodologías exploratorias, descriptivas y cuasiexperimentales.

Citas

Montanero, M., Díaz González, M. F., Pardo, P., Palomino, M. I., Gil Llinás, J., Pérez Rodríguez, Á. L., & Suero López, M. I. (2003). Daltonismo y rendimiento escolar en la educación infantil. Revista de educación..

P. Rojas, D. Sandoval y S. Brian, «Algoritmo de clasificación de enfermedades en la hoja de café,» Revista Avenir, vol. 5, nº 1, pp. 31-39, 2021.

Largo Orozco, D. M., & Vargas Cardona, A. (2013). Contextualización y adaptación del proyecto ColorADD, en el sistema señalético de las universidades de Santiago de Cali, tomando la Universidad Autónoma de Occidente como prueba piloto.

Ruiz Guijosa, A. (2020). Algoritmos para mejorar la experiencia visual de personas con daltonismo (Bachelor's thesis).

C. P. Jonathan, A. Currera Meneses y M. Herrera Rodríguez, «Diseño de un modelo de clasificación de la calidad de componentes electrónicos implementando visión artificial a partir de repositorios de imágenes,» Revista Avenir, vol. 5, nº 2, pp. 29-44, 2021.

Bagnato, J. (2020). ¿Cómo funcionan las Convolutional Neural Networks? Visión por Ordenador. Aprende Machine Learning. Disponible en: https://www.aprendemachinelearning.com/como-funcionan-las-convolutional-neural-networks-vision-por-ordenador/.

Ramirez, Q. J. y Chacon, M. M. (2011). Redes neuronales artificiales para el procesamiento de imágenes, una revisión de la última década. Revista de ingeniería eléctrica, electrónica y computacional, Vol. 9. 7-16. Disponible en: https://onx.la/5a1c8.

Moreno, A., Armengol, E., Béjar Alonso, J., Belanche Muñoz, L. A., Cortés García, C. U., Gavaldà Mestre, R., Gimeno, J. M., et al. (1994). Aprendizaje automático. Llibre, Edicions UPC. Disponible en: http://hdl.handle.net/2099.3/36157.

L. M. Garzón G., A. F. Cifuentes y J. D. Pedraza Josa, «Modelo de clasificación de imágenes de las plagas que atacan los cultivos de papa,» Revista Avenir, vol. 5, nº 1, pp. 40-55, 2021.

Diseño de un software para la identificación de color a través de clasificación de imágenes para ayudar a personas con daltonismo