Home / Sin categoría / Grupo de Investigación en Sistemas Embebidos y Sensores en IoT (GI-ES2IoT)

Grupo de Investigación en Sistemas Embebidos y Sensores en IoT (GI-ES2IoT)

Por en 6 julio, 2018

  • Trayectoria

    El grupo ha surgido en base a los investigadores de la Coordinación III, I+D+i, de la Dirección de Investigación y Desarrollo Tecnológico DIDT, de la Unidad Ejecutora 002 – INICTEL-UNI. El grupo cuenta con 5 años de trayectoria en el INICTEL-UNI, en el cual se han desarrollado diferentes proyectos orientados a la innovación en el tema de “Sistemas inalámbricos para Monitoreo Remoto de Parámetros físicos en Tiempo Real”.

    Las pruebas de campo y de laboratorios especializados para nuestras investigaciones se han realizado gracias al convenio interinstitucional, por ejemplo: con el Instituto de Investigaciones de la Amazonía Peruana (IIAP) con proyectos de Monitoreo para calidad del agua para consumo humano y piscicultura; con la Universidad de Sao Paulo de Brasil en el tema de Sensores ópticos; con la Université de Bretagne Sud de Francia en el tema de algoritmos y arquitecturas para comunicaciones digitales, entre otros

    Objetivos

    El objetivo del grupo es generar productos adecuados a la realidad de nuestro país buscando que la investigación, desarrollo e innovación en sistemas de monitoreo remoto tengan una aplicación práctica en los sectores ambiental, salud e industrial

    – Generar y/o aplicar conocimiento para contribuir con la resolución de problemas en bien de la sociedad.
    – Desarrollar y difundir soluciones de hardware y software para apoyar a especialistas de instituciones públicas o privadas en la toma de decisiones.

    Líneas de investigación

    Las áreas de conocimiento enfocados dentro de la experiencia del grupo son los sistemas electrónicos, procesamiento de señales y las telecomunicaciones concentradas en las siguientes líneas de investigación:

    1. Dispositivos y sensores ópticos.
    2. Algoritmos y arquitecturas para comunicaciones digitales.
    3. Computación embebida y optimización de energía.
    4. Recolección de energía (energy harvesting).

    Servicios ofrecidos y realizados

    – Adquisición y procesamiento de parámetros físico químicos obtenidos por sensores remotos.
    – Capacitación en sistemas embebidos y sensores par aplicaciones de Internet de las Cosas (IoT)
    – Investigación y desarrollo de hardware y software para adquisición y procesamiento de datos provenientes de sensores.

  •  

  • 1. Monitoreo de parámetros del agua para consumo humano en la región amazónica. 2015.

    2. Sistema de monitoreo de la calidad del agua para mejorar la productividad de crianza de peces amazónicos. 2016

     

  • Articulos:

    1. L. Viton, M. Rios, R. Acosta and J. Lezama. Design and implementation of an alternative measurement system for MOSFET-Like sensors characterization. Journal of Applied Research and Technology JART,  vol. 16 nº 3 pp. 229-240, 2018

    2. L. A. V. Zorrilla and J. Lezama, Low-power embedded readout and processing system for ISFET sensors as measurement devices, 2018 IEEE 9th Latin American Symposium on Circuits & Systems (LASCAS), Puerto Vallarta, 2018, pp. 1-4.

    3. L. Viton, J. Lezama, Monitoring system for ISFET and glass electrode behavior comparison, Proceedings of the 2017 IEEE XXIV International Conference on Electronics, Electrical Engineering and Computing (INTERCON), Cusco, 2017, pp. 1-4.

    4. R. Yauri, M. Rios and J. Lezama, Water quality monitoring of Peruvian Amazon based in the Internet of Things, Proceedings of the 2017 IEEE XXIV International Conference on Electronics, Electrical Engineering and Computing (INTERCON), Cusco, 2017, pp. 1-4.

    5. H. Miyashiro, M. Medrano, J. Huarcaya and J. Lezama, Software defined radio for hands-on communication theory, Proceedings of the 2017 IEEE XXIV International Conference on Electronics, Electrical Engineering and Computing (INTERCON), Cusco, 2017, pp. 1-4.

    6. R. Y. Rodriguez, J. Lezama and M. R. Julcapoma, Physiological wireless sensor nodes: Lifetime and power consumption evaluation for data-intensive transmission, 2017 Electronic Congress (E-CON UNI), Lima, 2017, pp. 1-4.

    7. H. Miyashiro, E. Boutillon, C. Roland, J. Vilca and D. Díaz, Improved Multiplierless Architecture for  Header Detection in DVB-S2 Standard, 2016 IEEE International Workshop on Signal Processing Systems (SiPS), Dallas, TX, 2016, pp. 248-253.

    8. R. Y. Rodriquez, M. R. Julcapoma and R. A. Jacinto, Network monitoring environmental quality in agriculture and pisciculture with low power sensor nodes based on zigbee and gprs technology, 2016 IEEE XXIII International Congress on Electronics, Electrical Engineering and Computing (INTERCON), Piura, 2016, pp. 1-6.

    9. M. Rios, R. Yauri, J. Rojas, C. Camarena, Sistema de monitoreo remoto para los parámetros del ambiente de peces amazónicos en cautiverio utilizando la tecnología Zigbee, 2014 IEEE XXI International Congress on Electronics, Electrical Engineering and Computing (INTERCON), Arequipa, 2014, pp. 1-6.

     

    Derechos de Autor:

    1. Firmware del módulo sensor para la medición de la calidad del agua. Partida Registral No 001526-2014.

    2. Software de Aplicación de monitoreo remoto. Partida Registral No 01524-2014, Expedientes No 0001524-2014

     

  • Presentación de Resultado de Proyectos

    Proyecto Aguajales: Tic’s aplicadas a la conservación de la Biodiversidad

    Proyecto MaiZ: Tic’s aplicadas a la Agricultura

    Proyecto Telemedicina

    Proyecto Innóvate INICTEL-IIAP

  • CloudPeru

    The CloudPeru dataset consists of 476,422 image patches labeled as ‘clouds’ or ‘non-clouds’, from which 207,963 are clouds and 268,459 non-clouds. These images were extracted from 15 different PERUSAT-1 scenes which were previously corrected to obtain surface reflectance products. Each image patch is size normalized to 27×27 pixels and has four channels: Red (0.63-0.7 μm), green (0.53-0.59 μm), blue (0.45-0.50 μm) and NIR (0.752-0.885 μm). The spatial resolution is 2.8 m per pixel. We split 95% of the data to create the training set, 2.5% to the validation set and 2.5% to the test set.

    The dataset is encoded as an “.hdf5” file, which can be read from Matlab or from Python using the “h5py” library. It can be downloaded from here:

    Download CloudPeru dataset

    ShadowPeru

    The ShadowPeru dataset consists of 400 image patches extracted from 20 different PERUSAT-1 scenes of variable area and from different geographies. Each image patch has a correspondent shadow mask, which was manually annotated. These scenes were were previously corrected to obtain surface reflectance products. The patches are size normalized to 256×256 pixels and have four channels: Red (0.63-0.7 μm), green (0.53-0.59 μm), blue (0.45-0.50 μm) and NIR (0.752-0.885 μm). The spatial resolution is 2.8 m per pixel. We split 90% of the data to create the training set, 5% to the validation set and 5% to the test set.

    The dataset is encoded as an “.hdf5” file, which can be read from Matlab or from Python using the “h5py” library. It can be downloaded from here:

    Download ShadowPeru dataset

    WoodSpeciesPeru

    The WoodSpeciesPeru dataset consist of 46,000 image patches of seven wood species, which are labeled with indexes ranging from 0 to 6 that correspond to species Ceiba pentandra, Cariniana domestica, Swietenia macrophylla King, Ormosia coccinea, Aspidosperma macrocarpon, Dipteryx micrantha and Cedrelinga cateniformis, respectively. These images were extracted from 115 different samples of the transverse, radial and tangential sections of the wood acquired with a digital microscope CISNO.
    Each image patch has a size of 128×128 pixels and a scale of 0.5mm per 100pixels. We split 70% of the data to create the training set, 15% for the validation set and 15% for the test set.

    The dataset is encoded as an “.hdf5” file, wich can be read from matlab or from Python using “h5py” library. It can be downloaded from here:

    Download WoodSpeciesPeru dataset

Artículos relacionados