(Universidad Nacional de Luján, 2023-10-12)
Flores, Hugo Daniel; Neil, Carlos Gerardo
Contexto: un alto porcentaje de vehículos son transportados vía marítima, donde son manipulados según protocolos específicos. Controlar su estado y detectar posibles daños recae en personal capacitado, lo que genera dificultades al momento de imputar responsabilidades por daños. Para mejorar la eficiencia de estos procesos, la visión artificial se ha consolidado como una alternativa viable para detectar y clasificar daños en distintas industrias. Objetivos: analizar el uso de algoritmos de inteligencia artificial para detectar y clasificar daños en la industria marítima. Método: se describe detalladamente la creación y ejecución de un protocolo que establece un conjunto de preguntas, así como el procedimiento para realizar la búsqueda bibliográfica y aplicar filtros para identificar los artículos relevantes. Luego, se realiza un análisis profundo para responder las preguntas planteadas en el protocolo. Resultado: se ha demostrado que las técnicas de visión artificial basadas en Redes Neuronales Convolucionales son altamente efectivas para implementar soluciones destinadas a la detección y clasificación de daños en esta industria. Conclusión: no se han identificado desarrollos tecnológicos similares para detectar y clasificar daños en transporte marítimo automotriz, por lo tanto, es viable explorar alternativas que incluyan técnicas de visión artificial para resolver los problemas planteados en la industria naviera.