El presente estudio tiene como objetivo desarrollar un sistema de identificación automática de personas requisitoriadas, empleando algoritmos de clasificación de imágenes, en particular Multi-task Cascaded Convolutional Networks (MTCNN) e InsightFace. Esta solución se orienta a reforzar una de las funciones operativas de la Policía Nacional del Perú (PNP). Para validar el desempeño del sistema, se utilizó una base de datos compuesta por 343 imágenes, que incluyen tanto personas requisitoriadas como no requisitoriadas. MTCNN fue implementado para la detección de rostros, mientras que InsightFace se empleó para el reconocimiento facial. Los resultados experimentales evidencian un rendimiento sobresaliente: el sistema alcanzó una precisión del 100%, un recall del 98.61%, una exactitud del 99.18% y un F1-score de 99.3%. La matriz de confusión reveló un mínimo margen de error...

La detección temprana de enfermedades en cultivos de arroz es fundamental para mantener la productividad agrícola y asegurar la seguridad alimentaria a nivel mundial. En los últimos años, las redes neuronales convolucionales (CNN) han mostrado un gran potencial en la identificación y clasificación de enfermedades en plantas. Esta revisión sistemática se enfoca en analizar y sintetizar estudios recientes que emplean CNN para la detección de enfermedades en cultivos de arroz u plantas. Investigando varios artículos con enfoques de clasificación de imágenes, metodologías y la identificación de patrones anormales en las hojas de arroz u otras plantas que también son atacadas por la misma enfermedad. Los resultados obtenidos de los distintos artículos indican que las CNN mejora la precisión en los modelos con porcentajes superior al 90% y una eficiencia cercana al 98% de los ...