Inteligencia artificial en el proceso enseñanza y aprendizaje para mediciones físico matemáticas en el posicionamiento de cuerpos

• María Belén Terán-Herrera ^[1] ; Carlos Alberto Analuiza-Lara ^[2] ; Audelia Mariana Escobar-Gavilanes ^[3] ; Rosa Elizabeth Miranda-Escobar ^[4] ; Raúl Marcelo Naranjo-Montaguano ^[3] ; Fénix Yolanda Oñate-Quinatoa ^[3] ; Paulina Liliana Ricaurte-Morocho ^[3] ; Limber Fabricio Sánchez-Rosero ^[3] ; Susana Karina Suárez-Ramírez ^[3] ; Wilson Eduardo Toaza-Tipantasig ^[3]
  1. [1] Escuela Politécnica del Ejército

     Escuela Politécnica del Ejército

     Sangolqui, Ecuador

     
  2. [2] Escuela de Educación Básica Alfonsina Storni, Tungurahua, Ecuador
  3. [3] Unidad Educativa 17 de Abril, Tungurahua, Ecuador
  4. [4] Unidad Educativa Josefa Calixto, Tungurahua, Ecuador

  Mostrar afiliaciones +
• Localización: Polo del Conocimiento: Revista científico - profesional, ISSN-e 2550-682X, Vol. 8, Nº. 9 (SEPTIEMBRE 2023), 2023, págs. 1550-1560
• Idioma: español
• Títulos paralelos:
  • Artificial intelligence in the teaching and learning process for physical-mathematical measurements in body positioning
• Enlaces
  • Texto completo
• Resumen
  • español

    El objetivo de la presente investigación en el ámbito educativo de nivel secundario y superior, fue crear un algoritmo que permita el uso de inteligencia artificial para aumentar la distancia entre objetos mediante una cámara Kinect. El proceso de investigación estuvo sostenido por un enfoque positivista de alcance exploratorio – descriptivo, bajo un proceso cuasi experimental, para lo cual se generaron 150 pruebas y 45 ensayos para establecer los resultados, el análisis se generó mediante el software denominado inteligencia artificial para lo cual los localizadores se generaron a través de posicionamientos vectoriales en referencia a la distancia del objeto para el direccionamiento de cada una de las posiciones. Los resultados muestran que el algoritmo se puede utilizar para estimar la distancia entre cuatro objetos, logrando una estimación de distancia del 94,7% en la imagen procesada. Se concluye que la distancia al objeto se puede estimar utilizando una sola cámara con un error medio de 0,97% y una desviación estándar de 0,1% de la distancia. Según los errores obtenidos, el error medio es 1,00% y la desviación estándar es 2,24%. Por lo tanto, se puede concluir que el algoritmo SURF se puede utilizar para la detección de objetos y la estimación de la distancia de los objetos en aplicaciones robóticas. El robot utiliza una sola cámara, lo que ayudará a reducir el costo de fabricación del robot, facilitará la instalación de equipos y reducirá la posibilidad de errores debido a variables externas que interfieren con la imagen capturada

  • English

    The objective of this research in the educational field at the secondary and higher level was to create an algorithm that allows the use of artificial intelligence to increase the distance between objects using a Kinect camera. The research process was supported by a positivist approach of exploratory - descriptive scope, under a quasi-experimental process, for which 150 tests and 45 trials were generated to establish the results, the analysis was generated using software called artificial intelligence for which The locators were generated through vector positioning in reference to the distance of the object for the addressing of each of the positions. The results show that the algorithm can be used to estimate the distance between four objects, achieving a distance estimate of 94.7% in the processed image. It is concluded that the distance to the object can be estimated using a single camera with a mean error of 0.97% and a standard deviation of 0.1% of the distance.

    According to the errors obtained, the average error is 1.00% and the standard deviation is 2.24%.

    Therefore, it can be concluded that the SURF algorithm can be used for object detection and object distance estimation in robotic applications. The robot uses a single camera, which will help reduce the cost of manufacturing the robot, facilitate the installation of equipment, and reduce the possibility of errors due to external variables that interfere with the captured image..