No abstract

La estimación de ocupación en espacios interiores es un proceso que contribuye a mantener estándares de calidad en las zonas, y que, al día de hoy, sirve como referencia para identificar posibles focos de contagio de enfermedades respiratorias infecciosas. Este artículo presenta una herramienta para la estimación de ocupación en espacios interiores con notificación mediante el Protocolo Simple de Transferencia de Correo SMTP usando una placa embebida Raspberry Pi. El sistema se presenta como alternativa a los sistemas convencionales de estimación de ocupación midiendo los niveles de CO2 en la zona. El método se basa en procesamiento de imágenes aplicando la técnica de sustracción de fondo mediante lenguaje de programación Python. Inicialmente, se caracteriza la zona donde se prueba el sistema, y se aplican etapas de preprocesamiento, filtrados y umbralización, además de notificación vía correo electrónico por SMTP. El sistema desarrollado se compara con un sistema de medición de CO2 aplicando una matriz de priorización comparando factores como el tiempo de detección, tasa de aciertos y costos de implementación. El método propuesto presentó mejor rendimiento en la totalidad de los parámetros de comparación, con una priorización de 87.972 %. Basar el sistema en herramientas de software de código abierto y herramientas de hardware de alto nivel y bajo costo permite replicar e implementar el sistema a gran escala en ambientes controlados.

Edge detection takes importance in image processing systems for computer-aided diagnosis, wheresharp changes in pixel intensity are analyzed to obtain fast and accurate information about regions ofinterest to the specialist. A method for feature enhancement and edge detection in medical imageswas developed using image processing by analyzing the pixel distribution histogram andmorphological gradient operation. Images from the MINI MIAS dataset and the COVID-CT datasetwere used. The method is based on image processing and is applied to mammography and chest CTimages, where blur filtering steps are accompanied by morphological gradient filtering, in addition toobtaining the threshold for edge detection by analyzing the point of maximum pixel concentrationaccording to the distribution histogram. The processing is presented in a graphical user interfacedeveloped in Python language. The method is validated by comparison with other edge detectiontechniques such as the Canny Algorithm, and with deep learning methods such as Holistically-NestedEdge Detection. The proposed method improves image quality in both mammograms and CT scanscompared to other techniques. It also presents the best performance considering internal and externaledge detection, as well as an average response time of 1.054 seconds and 2.63 % of Central Processing Unit requirement. The developed system is presented as a support tool for use in computer-aideddiagnosis processes due to its high efficiency in edge detection.

No abstract

No abstract