Sistema inteligente para el reconocimiento y detección de impactos de bala en un polígono de tiro de la institución gubernamental usando deep learning

• Autor: Fernández Vilchez, Richar Marvin
• Formato: tesis de maestría
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: UNMSM-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.unmsm.edu.pe:20.500.12672/17258
• Enlace del recurso: https://hdl.handle.net/20.500.12672/17258
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Redes neuronales (Computación); Sistemas expertos (Computación); Tiro - Perú; https://purl.org/pe-repo/ocde/ford#2.02.04

La institución gubernamental de control de armas de fuego de Perú, con base en sus directivas vigentes, permite a los ciudadanos obtener una licencia para portar armas de fuego mediante evaluaciones, siendo una de ellas el examen de tiro, donde la persona evaluada debe acertar dentro del objetivo que se encuentra en la silueta de tiro como mínimo tres (03) impactos, de 05 (cinco) municiones disponibles. El supervisor de polígono de tiro es el encargado de identificar y contar manualmente los impactos realizados para determinar la aprobación o desaprobación de este examen, en un proceso que puede conllevar a errores, tareas repetitivas, hasta incluso volver al evaluador en un ser vulnerable a los actos de corrupción y, de esta manera, se generaría distorsión en la destreza del evaluador y, en consecuencia, en la entrega de la licencia. Este trabajo de investigación propone el desarrollo de un Sistema Inteligente para el reconocimiento y detección de los impactos de bala usando técnicas de deep learning y un método de 4 pasos: Preprocesamiento, Detección de impactos de bala, Detección de bordes y Evaluación de resultados, como alternativa para mitigar los errores y automatizar el proceso de evaluación del examen de tiro. Los resultados experimentales sobre 600 siluetas de tiro con 2401 impactos de bala muestran que la propuesta alcanza resultados de 97.6 %, 99.5 % y 97.9 % en métricas accuracy, precisión y recall, respectivamente. Además, se alcanza el 100 % de efectividad en la detección de los bordes y conteo de los impactos de bala.