Este proyecto busca implementar un prototipo de sistema de visión sensorial capaz de clasificar imágenes de una base de datos.
Este trabajo puede tener un impacto positivo en distintos campos de aplicación, por ejemplo: nuevos procesos o métodos industriales, el diagnóstico adecuado en imagen médica o el reconocimiento facial en el ámbito de la seguridad ciudadana.
Hoy en día, los sistemas de visión artificial son una parte muy importante de la mayoría de los procesos industriales: la visión por computador permite supervisar los procesos de producción y sus productos finales, y con ella ha aumentado la calidad y la cantidad de productos terminados. Sin embargo, los sistemas de visión artificial no son lo bastante flexibles para aplicarse en cualquier tipo de industria y presentan más limitaciones cuando las condiciones de imagen y ruido quedan fuera de sus parámetros. No es lo mismo reconocer una pieza de color blanco con mucha luz que reconocer esa misma pieza en un entorno con poca luminosidad. La identificación de ciertas características implica conceptos físicos y psicológicos propios del cerebro humano. Aquí es donde se vuelven necesarias las herramientas de inteligencia artificial capaces de aportar ese grado adicional de complejidad. Las exigencias son tan altas que los sistemas de visión tradicionales no son lo bastante precisos para satisfacerlas. Las redes neuronales artificiales se inspiran en lo que sabemos sobre la biología del cerebro en el proceso de aprendizaje. El aprendizaje profundo es una herramienta de inteligencia artificial en la que se utilizan de forma masiva capas anidadas de redes neuronales. Hoy en día, en algunos escenarios, el reconocimiento de imágenes por computador entrenado con aprendizaje profundo supera al de los seres humanos.
