Innovación en sistemas distribuidos, inteligencia artificial y visión computacional desde la FIUNA

En el IEEE Chilean Conference on Electrical, Electronics Engineering, Informatics and Communications Technologies (CHILECON 2025), realizado en Valparaíso (Chile), el Laboratorio de Sistemas Distribuidos (LSD) del Departamento de Ingeniería Electrónica y Mecatrónica (DIEM) de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA), presentó cuatro trabajos científicos que reflejan el avance sostenido de la institución en el desarrollo de tecnologías aplicadas a sistemas inteligentes, visión computacional, monitoreo distribuido e infraestructura urbana digital.

Los trabajos fueron desarrollados bajo la dirección del Dr. Derlis O. Gregor y en el marco de los proyectos PINV01-24, PINV01-25, PINV01-26 y PINV01-27, financiados por el CONACYT / PROCIENCIA, con la colaboración de investigadores, estudiantes y egresados de la FIUNA.

Optimización descentralizada del tráfico urbano con almacenamiento verificable (Proyecto PINV01-25)

En representación del equipo de investigación, María J. Duarte presentó el trabajo “Scalable and Decentralized Urban Traffic Optimization with Verifiable Storage for Smart City Deployments”, desarrollado junto a Kevin M. Galeano, Marcos D. Villagra y Derlis O. Gregor.

El estudio propone una arquitectura modular y descentralizada para la optimización del tráfico urbano mediante simulación con SUMO, inferencia difusa tipo Mamdani y optimización de tiempos semafóricos utilizando Particle Swarm Optimization (PSO). Los datos son almacenados de forma verificable en IPFS y BlockDAG, reduciendo la latencia en más del 60 % frente a sistemas centralizados. Este trabajo constituye un avance clave del proyecto PINV01-25 orientado a ITS y ciudades inteligentes

Conteo vehicular robusto ante oclusiones mediante aprendizaje continuo (Proyecto PINV01-27)

Kevin M. Galeano presentó el trabajo “Occlusion-proof Vehicle Counting using Computer Vision and Artificial Intelligence”, desarrollado junto a Diego Palacios, Mario Arzamendia, Fabián Palacios, Sergio Toral Marín (Universidad de Sevilla) y Derlis O. Gregor.

El artículo introduce un algoritmo de conteo vehicular basado en visión computacional que integra YOLOv8 con una red neuronal MLP de aprendizaje continuo para mantener el seguimiento de vehículos incluso bajo oclusión. Los resultados demuestran una mejora del 87 % en precisión respecto a métodos convencionales, consolidando una solución adaptable y de rápida implementación en entornos urbanos

Detección temprana de deficiencias nutricionales en lechugas hidropónicas (Proyecto PINV01-26)

En representación del equipo del LSD, Yessica Recalde presentó el trabajo “Early Nutrient Deficiency Detection in Hydroponic Lettuce via CNN-Based Image Analysis”, junto a Alfredo Renault, Diego Palacios, Alba Chaparro, Alejandro Carissimo, Juan González, Maira Santacruz, Mario Arzamendia y Derlis O. Gregor.

El estudio aplica redes neuronales convolucionales (CNN) con arquitectura U-Net y codificador ResNet34 para la segmentación automática de lechugas sanas y enfermas a partir de imágenes RGB. El modelo alcanzó métricas destacadas (mIoU = 0.76; F1-Score = 0.86), demostrando su aplicabilidad como herramienta de diagnóstico para agricultura de precisión en sistemas hidropónicos

Monitoreo vehicular remoto y actualizaciones distribuidas mediante LoRaWAN e IPFS (Proyecto PINV01-24)

El trabajo “Remote Monitoring, Control, and Update Triggering via LoRaWAN in an Edge-Based Vehicle Counting System” fue presentado por Marcelo Palma, junto a Fabián Palacios-Pereira, Mario Arzamendia, Derlis O. Gregor, Diego Palacios, Ariel Fleitas y Hernán Lezcano.

El artículo describe una arquitectura autónoma y energéticamente eficiente para conteo vehicular mediante visión artificial YOLOv8n, ejecutada en dispositivos NVIDIA Jetson Nano con transmisión de datos por LoRa y actualización remota a través de IPFS. Los ensayos demostraron bajo consumo energético y actualizaciones exitosas en menos de 1,2 minutos, validando el diseño como una alternativa viable para estaciones de monitoreo vehicular inteligente

Estos resultados fortalecen el posicionamiento del Laboratorio de Sistemas Distribuidos (LSD) como un referente nacional en sistemas inteligentes, distribuidos y reproducibles, con impacto directo en áreas estratégicas como movilidad urbana, agricultura de precisión e infraestructura digital descentralizada.

El LSD continúa consolidando su liderazgo en investigación aplicada, integrando IA, IoT y visión computacional en soluciones tecnológicas de alto valor para el Paraguay y la región.