Implementación de un sistema inteligente de detección y seguimiento de objetos en movimiento a través de visión artificial, integrado en un vehículo aéreo no tripulado

Abstract

El presente trabajo desarrolla un sistema inteligente de detección y seguimiento de objetos implementado en un vehículo áereo no tripulado (UAV). El sistema se basa en redes neuronales convolucionales (CNN), utilizando específicamente el modelo Yolov4 por su alta precisión y velocidad. Este modelo divide cada imagen capturada por la c´amara del dron en una cuadrícula, y a cada celda le asigna la tarea de predecir cajas delimitadoras y sus probabilidades asociadas a determinadas clases de objetos. De esta forma, YOLOv4 logra identificar y localizar múltiples objetos simultáneamente en una sola pasada por la red neuronal. La implementación del algoritmo de detección y seguimiento se realizó en el entorno de desarrollo PyCharm, empleando el lenguaje de programación Python. El código incluye una interfaz gráfica que permite al usuario seleccionar uno de cuatro objetos desde un menú de opciones. Todo el sistema fue incorporado en un dron programable de la marca DJI Tello, el cual se conecta mediante su red wifi al computador. Una vez ejecutado el programa, el dron inicia un vuelo autónomo, realizando el seguimiento del objeto seleccionado. Durante el vuelo, el modelo YOLOv4 detecta en tiempo real la posición del objeto mediante coordenadas en la imagen, y con base en esta información, el sistema procesa las imágenes y envía comandos de movimiento al dron con el objetivo de mantener el objeto siempre centrado en el campo de visión, garantizando asÍ un seguimiento continuo y preciso.