Correo Electrónico
DNINFOA - SIA
Bibliotecas
Convocatorias
Identidad UNAL
Línea de investigación
Sensado inteligente y percepción del entorno
Desarrollamos técnicas de sensado, procesamiento de señales e inteligencia artificial para observar e interpretar entornos complejos.
Desarrollamos técnicas de sensado, procesamiento de señales e inteligencia artificial para observar, caracterizar e interpretar entornos complejos. Integramos imágenes, sensores IoT, plataformas aéreas y tecnologías de radar para aplicaciones que van desde la agricultura de precisión hasta la detección de objetos enterrados y el desminado humanitario.
Temas
Radar, sensado e inteligencia artificial9 trabajos
Desarrollamos técnicas de radar y Ground Penetrating Radar (GPR) combinadas con procesamiento de señales, aprendizaje automático y aprendizaje profundo para la detección, clasificación y caracterización de fenómenos y objetos. Estudiamos tanto los sistemas de adquisición —antenas, respuesta temporal y retardo de grupo— como los métodos computacionales para extraer información de señales, imágenes y datos espacio-temporales.
Imágenes RGB, multiespectrales e hiperespectrales5 trabajos
Investigamos técnicas de adquisición, procesamiento y análisis de imágenes para extracción automática de información, empleando visión computacional, descriptores de características y aprendizaje profundo. Las aplicaciones incluyen caracterización de cultivos, detección y cuantificación de malezas y detección y clasificación de objetos en escenarios de movilidad.
Agricultura de precisión6 trabajos
Desarrollamos métodos de visión computacional, procesamiento de imágenes multiespectrales y aprendizaje profundo para caracterizar cultivos y automatizar tareas agrícolas, particularmente la detección, clasificación y cuantificación de malezas. El trabajo combina información espectral y espacial con técnicas de reconocimiento de patrones para apoyar el monitoreo y manejo de cultivos.
Trayectoria
2026
2025
2023
2022
2021
- Locating Ships Using Time Reversal and Matrix Pencil Method by Their Underwater Acoustic Signals
- Método para la estimación de maleza en cultivos de lechuga utilizando aprendizaje profundo e imágenes multiespectrales
- Monitoring of the refractory lining in a shielded electric arc furnace: An online multitarget regression trees approach
- Temperature Prediction Using Multivariate Time Series Deep Learning in the Lining of an Electric Arc Furnace for Ferronickel Production
2020
- A Deep Learning Approach for Weed Detection in Lettuce Crops Using Multispectral Images
- Cost-Effective Implementation of a Temperature Traceability System Based on Smart RFID Tags and IoT Services
- Damage Identification in Structural Health Monitoring: A Brief Review from its Implementation to the Use of Data-Driven Applications
2019
2018