Artículo en el que participa académica UDLAP dentro del Top 3 de mejores paper del MICAI 2021
- Concursó contra más de 300 trabajos de investigación de más de 40 países.
El artículo Comparing Machine Learning Based Segmentation Models on Jet Fire Radiation Zones, escrito por la Dra. Adriana Palacios Rosas, académica e investigadora del Departamento de Ingeniería Química, Alimentos y Ambiental de la Universidad de las Américas Puebla, en colaboración con Carmina Pérez Guerrero, Gilberto Ochoa Ruiz, Christian Mata, Miguel González Mendoza y Luis Eduardo Falcón Morales, académicos e investigadores de universidades de alto prestigio en México y España, obtuvo reconocimiento como uno de los mejores papers en el Congreso Internacional Mexicano de Inteligencia Artificial (MICAI 2021).
“El comité de evaluación de la Sociedad Mexicana de Inteligencia Artificial (SMIA), revisa los artículos que fueron aceptados para su presentación en el Vigésimo Congreso Internacional Mexicano de Inteligencia Artificial, MICAI por sus siglas en inglés, y de entre todos los candidatos, que este año recibió entre 300 y 400 trabajos de investigación de más de 40 países, se eligen los mejores artículos para ser presentados como el 3°, 2° y 1° lugar. En nuestro caso, el artículo en el cual yo colaboro obtuvo el 3er lugar para Best Paper Award, comentó en entrevista la académica UDLAP, quien además informó que este premio lo entrega la Sociedad Mexicana de Inteligencia Artificial (SMIA) y el Centro de Investigación en Computación (CIC) del Instituto Politécnico Nacional, organizaciones que llevan a cabo y auspician el congreso”.
Sobre el artículo, la Dra. Palacios Rosas dio a conocer que se titula en español, Comparación de modelos de segmentación basados en aprendizaje automático de zonas de radiación en dardos de fuego, y explicó a grandes rasgos su contenido: “El artículo presenta una investigación exploratoria sobre varios métodos de segmentación para la caracterización de zonas de radiación en dardos de fuego. Localizar y definir estas zonas ayuda a evaluar las propiedades del fuego que podrían aumentar de manera drástica la probabilidad de causar efectos dominó con resultados catastróficos en la población, medio ambiente e instalaciones industriales. Para ello se utilizó una base de datos obtenida a partir de experimentos a gran escala con dardos de fuego para entrenar y evaluar varios algoritmos tradicionales de visión por computadora y arquitecturas relevantes de aprendizaje profundo. Además, se compararon diversas métricas de segmentación contra evaluaciones manuales de expertos para contar con una valoración representativa de su criterio. Finalmente, en el artículo se muestra como los resultados se pueden utilizar en investigaciones futuras para extraer información geométrica de las llamas e incluso se podrían implementar en otros tipos de accidentes graves con fuego”.
Destacó que el trabajo descrito en el artículo es producto de un esfuerzo multidisciplinario y multinstitucional que se basa en investigaciones recientes sobre la caracterización del fuego, y lleva a la exploración de un uso nuevo y específico de la segmentación semántica, para temas relevantes como el manejo del fuego y la evaluación de riesgos industriales. “Además, la información proporcionada por el artículo va a ser usada para futuros sistemas de monitoreo y como base para futuras investigaciones en la caracterización de las llamas y otros accidentes graves, ocurridos en las industrias químicas, petroquímicas y en el transporte de sustancias peligrosas. Sobre todo, el trabajo impactará a los proyectos del National Natural Science Foundation of China y del Consejo Estatal de Ciencia y Tecnología de Jalisco (COECYTJAL), en los que se está trabajando”.
Cabe comentar que este premio es muy importante, ya que es un reconocimiento a nivel internacional sobre la calidad del trabajo de investigación que proporciona una plataforma para compartir el conocimiento que puede ayudar a evitar futuros accidentes de fuego. “Para nosotros el haber recibido este reconocimiento implicó un gran orgullo hacia el trabajo que se ha hecho, así como la validación internacional sobre la calidad de Este”, mencionó la Dra. Adriana Palacios.
El artículo Comparación de modelos de segmentación basados en aprendizaje automático de zonas de radiación en dardos de fuego, fue publicado como parte del acta del 20vo Congreso Internacional Mexicano de Inteligencia Artificial, en la sección de Avances en Inteligencia Artificial del libro Lecture Notes in Computer Science de Springer. Springer caracterizó a MICAI como la principal conferencia en inteligencia artificial de alto nivel revisada por pares que cubre todas las áreas de la inteligencia artificial, tradicionalmente celebrada en México.
