Tarea 4

Vista previa del material en texto

Carrera: 
Ingeniería en Mecatrónica 
Materia: 
Sensores inteligentes 
Tarea 4: 
Introducción a la Inteligencia Artificial. 
Unidad 4 
Lugar y Fecha: 
Torreón, Coahuila a 08 de diciembre de 2021 
4.1 Métodos de procesamiento avanzado de señales 
 
Inteligencia Artificial 
La Inteligencia Artificial es una serie de algoritmos planteados con el propósito de crear máquinas 
que “imiten” la inteligencia humana para la realización de tareas. Es decir, pretenden presentar las 
mismas capacidades que el ser humano. Puede ir mejorando iterativamente a partir de la información 
que va recopilando. 
La Inteligencia Artificial no viene para reemplazar al hombre, sino para complementarlo, mejorando 
significativamente las capacidades y contribuciones humanas. Las máquinas no hacen nada que el 
hombre no pueda hacer, lo que pasa es que pueden hacer ese trabajo en segundos, además de un 
número grandísimo de operaciones, las cuales el humano tomaría mucho más tiempo en llevar a cabo. 
Sin embargo, todo esto que las máquinas “aprenden” es “enseñado” por el humano mismo, ya que es 
el encargado de proveer los medios para llevar a cabo ese aprendizaje. 
Señal 
Para que se pueda llegar a la Inteligencia Artificial, obviamente, es necesario una señal. Una señal es 
un conjunto de datos que puede ser utilizado para transmitir mensajes o información; por ejemplo, 
presión, voz, alguna imagen, entre muchos otros. Normalmente, esta señal es un aspecto del entorno 
físico, por lo que es necesario disponer de sensores que puedan generar una señal en relación a la 
magnitud que estos midan. Sin embargo, no basta con solamente contar con la señal, sino que se 
ocupa llevar a cabo la “traducción” de esta mediante un transductor. Adicionalmente, en caso de que 
se trate de señales analógicas, se requiere digitalizarlas mediante los convertidores ADC, para, de esa 
manera, contar con la señal expresada en “ceros” y “unos”. Es decir, una señal digitalizada. Con esta 
señal, ahora sí, es posible pasar al procesamiento de ella. 
Procesamiento de señales 
El procesamiento de señales se refiere a la aplicación de distintas operaciones lógicas y matemáticas 
a un conjunto de datos provenientes de una señal; es decir, se trata de la transformación y 
manipulación de las señales y su información. Esto puede ser fácilmente apreciado, por ejemplo, en 
el procesamiento de señales de audio, de imágenes digitales, el comprimir algún video, entre algunos 
otros. Existen diferentes tipos de procesamiento, como lo es el analógico. Sin embargo, para este tipo 
de aplicaciones, es más utilizado el procesamiento digital y el procesamiento discreto de señales. El 
procesamiento se realiza mediante la ayuda de un ordenador Puede ser llevado a cabo mediante la 
descomposición de la señal mediante diferentes técnicas, que se mostrarán a continuación. 
• Series de Fourier 
Se basa en la descomposición de una señal en términos de un conjunto de funciones base. Las series 
de Fourier tienen la forma: 
𝑓(𝑡) =
𝑎0
2
+ ∑ [𝑎𝑛 cos (
2𝑛𝜋
𝑇
𝑡) + 𝑏𝑛 sin (
2𝑛𝜋
𝑇
𝑡)]
∞
𝑛=1
 
Donde, 𝑎0, 𝑎𝑛 y 𝑏𝑛 sin los coeficientes de Fourier que toman los valores 
𝑎0 =
2
𝑇
∫ 𝑓(𝑡)𝑑𝑡
𝑇
2
−
𝑇
2
 
𝑎𝑛 =
2
𝑇
∫ 𝑓(𝑡) cos (
2𝑛𝜋
𝑇
𝑡)𝑑𝑡
𝑇
2
−
𝑇
2
 
𝑏𝑛 =
2
𝑇
∫ 𝑓(𝑡) sin (
2𝑛𝜋
𝑇
𝑡) 𝑑𝑡
𝑇
2
−
𝑇
2
 
• Transformada de Fourier
Transforma una señal en el dominio del tiempo y se obtiene una en el dominio de la frecuencia. 
𝐹(𝑤) = ∫ 𝑓(𝑡)𝑒−𝑖𝑤𝑡𝑑𝑡
∞
−∞
Se puede calcular la transformada por definición (expresión anterior), pero mayormente se utilizan 
las tablas de transformadas y propiedades. 
La transformada de Fourier puede ser utilizada tanto para el tiempo continuo como para el tiempo 
discreto 
• Transformada de Laplace
La definición de la Transformada de Laplace es 
𝐹(𝑠) = ∫ 𝑓(𝑡)𝑒−𝑠𝑡𝑑𝑡
∞
0
Lo cual, se debe de cumplir dentro de la región de convergencia. 
• Transformada Z
La Transformada Z es el equivalente de la Transformada de Laplace, pero para tiempo discreto. 
𝐹(𝑧) =
𝑎0
2
+ ∑ 𝑓(𝑛)𝑧−𝑛
∞
𝑛=−∞
La Transformada Z también posee una región de convergencia, además de, tal como Fourier y Laplace, 
cuenta con un conjunto básico de Transformadas y Propiedades y que, al igual que las anteriores, no 
serán adjuntadas ya que no se relacionan con el propósito de este trabajo 
El procesamiento avanzado de señales, en conjunto con la inteligencia artificial puede ser observado 
en el caso de las aplicaciones telefónicas, buscadores, reconocimiento facial y de voz, además de 
muchos otros. Por esta razón, aplicaciones como Facebook, Twitter, Instagram, Spotify, entre otro, 
emplean este procesamiento para estudiar el comportamiento de sus usuarios. Este procesamiento de 
señales resuelve diferentes problemas de ingeniería y estudios científicos., lo que puede ser 
observados en distintos tipos de aplicaciones. Estas aplicaciones se clasifican en identificación de 
sistemas, eliminación de ruidos e interferencias y predicción, que se realizan mediante filtros 
adaptativos, que son una herramienta poderosa para aplicaciones de control y para el procesamiento 
avanzado de señales, ya que cuentan con la capacidad para operar satisfactoriamente en un entorno 
desconocido y rastrear algunas variaciones temporales de la señal de entrada. La clasificación 
mencionada anteriormente, así como algunas de sus aplicaciones y propósitos se muestra en la tabla 
1. 
Tabla 1. Ejemplos de aplicaciones de filtros adaptativos separadas en las 4 clases básicas. 
4.2 Aplicaciones de sensores con inteligencia artificial 
La inteligencia artificial en combinación con los sensores tiene un gran campo de aplicaciones. Dentro 
de ellas, basado en el texto “Métodos de Procesamiento Avanzado e Inteligencia Artificial en 
Sistemas Sensores y Biosensores” es posible mencionar: 
• Aplicaciones en Sistemas Distribuidos
• Sensores de Temperatura y Campo Eléctrico en Hipertermia Oncológica
• Diseño y Estimación Paramétrica de Sistemas Sensores Ultrasónicos.
• Sensores Ultrasónicos para la Detección e Imagen.
• Segmentación de Agrupamientos de Microcalcificaciones en las Imágenes de Rayos X para
su Detección Temprana en Mama.
• Lenguas Electrónicas Potenciométricas y Voltamperométricas.
Todos estos nombres suenan un poco “futuristas” y “confusos”, por lo que es apropiado mencionar 
algunas otras aplicaciones con las cuales podamos estar familiarizados un poco más en el día a día. 
Como primer ejemplo de aplicación, podemos tener cualquier sistema de detección de imagen y 
almacenamiento en la “nube”, como lo puede ser el reconocimiento facial utilizado en algunas 
compañías del país vecino, lo cual es de utilidad al momento de encontrar alguna persona que se 
encuentre desaparecida, además de tratar de identificar, por ejemplo, a la persona que realizó algún 
robo o cualquier otro tipo de delito. Todo esto se realiza mediante la detección de una cara a través 
de una cámara con un sensor incluido. Esta información se envía directamente a una nube de 
almacenamiento en donde, luego de ser procesada, la inteligencia realiza una búsqueda de alguna 
coincidencia mediante la comparación con algunos rasgos previamente cargados (o que la 
inteligencia artificial va determinando por sí misma). 
Similar a esto, podemos tomar el ejemplo del desarrollo de automóviles autónomos, los cuales, 
mediante distintos tipos de sensores, integran un tipo de visión artificial. Así, estos van a ir 
identificando señales de tránsito, semáforos, personas, otros automóviles, autobuses, entre muchas 
otras cosas. Esta información, se procesa y se envía hacia la nube, en donde la inteligencia artificial 
hace su tarea. Para esto, nosotros como simples usuarios de internet, nos encargamos de apoyarla a 
que vaya continuando con el aprendizaje por sí misma, y esto lo hacemos al validar un Captcha, en 
donde se nos pide que señalemos las imágenes en las queaparece, por ejemplo, una señal de 
tránsito o un automóvil. Así es como apoyamos a la inteligencia artificial, para que, de esa manera, 
pueda comparar las señales obtenidas mediante la visión artificial de ese tipo de automóviles, y 
tomar la decisión pertinente cuando una situación en la que tenga que intervenir se presente. Por 
ejemplo, para dejar esto un poco más claro en el caso de los automóviles: para decirle a un auto que 
frene cuando vea un poste, primero hay que enseñarle qué es un poste, además de todas las opciones 
de poste que existen, por eso es que la completa autonomización de los automóviles aún se ve 
lejana, además de tener el principal obstáculo: nosotros, los conductores. 
Otra aplicación importante que tienen los sensores en conjunto con la inteligencia artificial es en el 
ámbito del Internet de las Cosas Industrial (IIoT), en donde, como ya sabemos, se utilizan sensores 
inteligentes conectados a una nube, que incluso se puede llegar a predecir alguna falla en el equipo 
o activar un protocolo de mantenimiento. Esto se realiza mediante la comunicación en tiempo real y
la “experiencia” que se ha tenido y que almacena la Inteligencia Artificial
Finalmente, otro ejemplo que puedo mencionar y del que tengo algo de conocimiento (de acuerdo a 
lo que me llegó a platicar mi hermano de su trabajo) es, por ejemplo, que algunos automóviles 
cuentan con ciertos sensores, por ejemplo, uno que se encarga de medir la distancia recorrida, el 
nivel de aceite, nivel de gasolina, y ese tipo de magnitudes. Estos sensores están conectados con una 
inteligencia artificial, la cual recopila y almacena los datos de todos los coches que cuentan con este 
tipo de sensores. A través de estos datos, se puede contar con una estimación de, por ejemplo, la 
cantidad de kilómetros que recorre un automóvil en buenas condiciones, el consumo de gasolina del 
mismo, vida útil de aceite, entre otros, ya que se va proporcionando información en tiempo real 
acerca de estos parámetros. Además de esto, mediante la Inteligencia Artificial, se puede prevenir 
algún tipo de falla o falta de algún elemento, ya que la Inteligencia ha almacenado información de 
coche que han presentado esos inconvenientes. 
Conclusiones 
La Inteligencia Artificial, a pesar de que es un tópico relativamente novedoso, ya cuenta con un 
amplio estudio detrás. Y, no viene sola, sino que tiene que estar involucrado con los conceptos de 
Machine Learning y Deep Learning, que son los que realmente los hace funcionar. Es importante 
recalcar que la IA no está como un reemplazo del ser humano, sino como un complemento, una 
herramienta que puede realizar las mismas actividades que el ser humano, pero con una eficacia y 
eficiencia mucho mayor. Sin embargo, hay partes en la que la IA no se puede comparar 
completamente con un humano, como en el tema de los sentidos, intuición, entre otros aspectos 
innatos del ser humano. 
Para que funcione la inteligencia artificial, es necesario que esta reciba algún tipo de señal, como ya 
fue mencionado. Pero, no se trata de cualquier señal, sino que esta debe estar debidamente procesada 
luego de pasar por todas las etapas. Y, como ya vimos, existen distintos métodos y alternativas para 
lograr este procesamiento de la señal, de manera que esta pueda ser leída de la mejor manera según 
el objetivo que se tenga. De esta manera, al tener un buen procesamiento de las señales obtenidas y 
conjuntarlas con la IA, se pueden tener grandiosas aplicaciones, tales como las mencionada en el 
punto 4.2, además de muchas otras que pueden salir a relucir. 
Por último, en este punto, realmente, nosotros como estudiantes conocemos muy poco acerca de la 
IA y todo el campo de aplicación que puede tener. Este conocimiento se irá aumentando conforme 
nosotros nos vayamos adentrando cada vez más al tema, ya sea en la universidad o en un posterior 
postgrado, ya que apenas estamos entrando a este mundo. Además, la información acerca de la 
inteligencia artificial irá aumentando con el paso del tiempo, debido a que, dado que es un tema 
“nuevo”, cada vez se van encontrando más y más innovaciones y descubrimientos que aportan a este 
tópico. 
Bibliografía 
Barchiesi, J. (2008). Introducción al Procesamiento Digital de Señales. Valparaiso, Chile: Ediciones 
Universitarias de Valparaíso. Obtenido de https://www.euv.cl/archivos_pdf/senales.pdf 
Carrizo, M. (2014). Fourier y el procesamiento digital de señales. Recuperado el 07 de diciembre de 
2021, de http://lcr.uns.edu.ar/fvc/NotasDeAplicacion/FVC-Martin%20Carrizo.pdf 
Centrica. (s.f.). 5 usos para los sensores inteligentes en la manufactura. Recuperado el 07 de 
diciembre de 2021, de https://www.centricabusinesssolutions.mx/blogpost/5-usos-para-los-
sensores-inteligentes-en-la-manufactura 
Escobar, L. (2017). Procesadiores digitales de señales (DSPs) y aplicaciones. Recuperado el 07 de 
diciembre de 2021, de http://odin.fi-
b.unam.mx/labdsp/files/ADSP/apuntes/dsp_apli0_17.pdf 
Gomez, E., & Duarte, J. (s.f.). Señales y Sistemas. Cartagena, Colombia: Universidad Tecnológica de 
Bolívar. 
Gómez, J. (2009). Introducción al Procesado Digital de Señales. Recuperado el 07 de diciembre de 
2021, de http://ocw.uv.es/ingenieria-y-arquitectura/1-1/tema1.pdf 
IBERDROLA. (s.f.). ¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? Recuperado el 07 de diciembre 
de 2021, de https://www.iberdrola.com/innovacion/que-es-inteligencia-artificial 
Lejía, L. (2009). Métodos de Proceamiento Avanzado e Inteligencia Artificial en Sistemas Sensores 
y Biosensores. Barcelona, España: Reverté, S.A. 
LTH. (s.f.). Inteligencia Artificial En Los Coches. Recuperado el 07 de diciembre de 2021, de 
https://www.lth.com.mx/experiencia-LTH/blog/inteligencia-artificial-en-los-coches 
Martino, L. (s.f.). Análisis de Fourier para señales y sistemas de tiempo continuo. Recuperado el 07 
de diciembre de 2021, de http://www.lucamartino.altervista.org/tema_3_1011_v2.pdfc 
Oracle. (s.f.). ¿Qué es la inteligencia artificial—IA? Recuperado el 07 de diciembre de 2021, de 
https://www.oracle.com/mx/artificial-intelligence/what-is-ai/ 
Procesamiento Digital de Señales: Transformada Z. (2020). Recuperado el 07 de diciembre de 2021, 
de 
http://www.itq.edu.mx/carreras/IngElectronica/archivos_contenido/Apuntes%20de%20mat
erias/CDC1203_DSP/3_Transformada_Z.pdf 
Solé, J. (2010). Procesamiento de señal. Recuperado el 07 de diciembre de 2021, de 
https://www.investigacionyciencia.es/blogs/tecnologia/20/posts/procesamiento-de-seal-
10223 
Tan, L. (2008). Digital Signal Processing. Fundamentals and Applications. Oxford: Elserver Inc. 
Zorrero, D. (2021). Inteligencia Artificial: cómo se aplica a la tecnología de los automóviles. 
Recuperado el 07 de diciembre de 2021, de 
https://www.infobae.com/autos/2021/08/14/inteligencia-artificial-como-se-aplica-a-la-
tecnologia-de-los-automoviles/