CAPÍTULO I

FUNDAMENTO TEÓRICO

1.1. EDUCACION PARA NIÑOS CON DISCAPACIDADES EN EL ECUADOR

1.1.1 Definición de Discapacidad.

La discapacidad es un término relacionado con la salud, lo que significa que el

proceso de discapacidad comienza con una condición de salud, por ejemplo, una
enfermedad, trastorno, lesión o trauma. Independiente de la condición de salud un
individuo puede entonces experimentar la discapacidad como un fenómeno en sí mismo,
lo que les impide realizar actividades que desean hacer lo que le impide vivir una vida
independiente, el proceso de discapacidad puede desarrollar un impulso de su propio.
Por esta razón, la "discapacidad" es un fenómeno que debe considerarse más allá de
cualquier condición de salud biomédica existente. (Schuntermann, 2015)

1.1.2. Educación Especial.

Sirve como base educativa para una posible inserción de las personas con
discapacidad a un sistema regular inclusivo de educación; esta puede ser en una
institución de educación regular o una institución especial donde se pueda educar a niños
con discapacidades específicas. (Nilholm, 2014)
Los principales objetivos de la educación especial son:
 Orientar al estudiante al desarrollo integral de la personalidad mediante una
excepcional, con previo conocimiento de sus capacidades.
 Facilitar la integración del estudiante a la vida social y promover su participación
en ella.
 Ofrecer al estudiante un adecuado proceso de formación y rehabilitación. Lograr
que los estudiantes lleguen a ser autosuficientes y alcancen su mayor grado de
desarrollo.
 2

1.1.3. Educación inclusiva en el Ecuador

Según el Ministerio de Educación, el objetivo de la inclusión es brindar respuestas

apropiadas al amplio espectro de necesidades de aprendizaje tanto en entornos formales
como no formales de la educación.
El derecho a una educación inclusiva se encuentra contemplado en el marco legal
ecuatoriano, el Estado como tal, está obligado asegurar su cumplimiento y crear los
mecanismos necesarios para satisfacer las diversas necesidades de los estudiantes. Las
personas con discapacidad o con capacidades especiales, pueden ejercer sus derechos
y exigir su cumplimiento, por lo que el estado mediante las instituciones correspondientes
debe garantizar el cumplimento de la normativa. (Ministerio de Educación, 2016)

1.2. LENGUAJE DE SEÑAS ECUATORIANO

El lenguaje de señas ecuatoriano el igual que los otros países de la región cuenta
con su propio lenguaje, en la figura 1 se muestra tanto los números como las letras de
dicho lenguaje el cual se utilizó para la realización del proyecto de investigación

Figura 1. Lenguaje de señas ecuatoriano

Fuente: (Asoculsor, 04)

 3

1.3. INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial (IA) es un conjunto de técnicas que permiten máquinas para

realizar tareas y resolver problemas normalmente reservados para humanos y ciertos
animales.
Las tareas de IA muchas veces son muy simples para los humanos, como reconocer
y ubicar objetos en una imagen, planificar los movimientos de un robot para atrapar un
objeto o conducir un auto. A veces requieren una planificación compleja, por ejemplo,
para jugar al ajedrez o caminar. Las tareas más complicadas requieren mucho
conocimiento y sentido común. (LeCun, 2016)

1.3.1. Deep Learning

El problema con el enfoque clásico para el reconocimiento de patrones es que es

difícil construir patrones con las características necesarias y deben rediseñarse para cada
nueva aplicación. Aquí es donde entra en juego el aprendizaje profundo o el deep learning
en inglés. Es una clase de métodos cuyos principios se conocen desde fines de la década
de 1980, pero cuyo uso no ha sido realmente generalizado desde aproximadamente
2012. La idea es muy simple: el sistema entrenable consiste en una serie de módulos,
cada uno representando un paso de tratamiento. Cada módulo es manejable, con
parámetros ajustables similares al peso de los clasificadores lineales. El sistema funciona
de principio a fin: cada ejemplo, cada uno de los parámetros de todos los módulos se
ajustan para aproximar la salida producida por el sistema desde la salida deseada.
(LeCun, 2016)

1.3.2. Aprendizaje y razonamiento Automático

Es una de las condiciones para que un ente artificial pueda ser considerado
inteligente. Cualquier ser dotado de inteligencia al no tener esta condición tendrá muchas
complicaciones de adaptarse al medio. Actualmente se busca que las maquinas a través
 4

de ejemplos sacados del entono que les rodea, sean capaces de realizar
generalizaciones. Por ejemplo, un niño para que pueda aprender desde edad muy
temprana que una ortiga pica, primero tiene que experimentarlo varias veces, es un
ejemplo de razonamiento automático en inteligencia artificial. (García Serrano, 2012)

1.3.3. Procesamiento de Lenguaje Natural

El procesamiento del Lenguaje natural, en la inteligencia artificial, intenta crear

algoritmos sobre los cuales el computador entienda en palabras utilizadas en una
conversación de alto nivel mediante análisis de los patrones del lenguaje, abstrayendo
datos y comprendiendo el mensaje.
Para la recuperación de información, estos utilizan técnicas basadas en
distribución de los términos del documento para estimar la relevancia con respecto a la
consulta. Para esto inicialmente se necesita que el sistema emplee algoritmos que
entiendan de cierta manera la consulta y la compare. Un grave problema al que se ve
acompañado esta técnica es la gran variación del lenguaje, ya que el mismo concepto se
puede operar y entender en varias circunstancias. (Martínez, 2014)

1.3.4. Redes Neuronales

Las Redes Neuronales artifícales son sistemas de procesamiento que se

asemejan esquemáticamente la estructura neuronal del cerebro para tratar de reproducir
sus capacidades.
En consecuencia, son una clase de modelos no lineales flexibles que se
caracterizan por ser sistemas paralelos, cuentan con una gran cantidad de procesadores
elementales y cada uno de estos trabaja con una pequeña parte de un problema mayor.
Estos procesos son muy adaptables de acuerdo al entorno.
La característica más importante de estos sistemas es su capacidad de aprendizaje,
donde el conocimiento se basa en un número de muestras. Además, las redes neuronales
 5

sugieren que poseen varias ventajas potenciales sobre los métodos estadísticos
tradicionales. (Del Brío, 2018)

1.4. VISIÓN ARTIFICIAL

La visión artificial es una rama de la Inteligencia Artificial, esta mediante la
programación de un computador, logra exaltar características relevantes de un objeto
capturado en una imagen. Tiene muchas aplicaciones tanto en la industria como en el
comercio, debido a que mediante cámaras se puede detectar errores en piezas, y a su
vez detectar rasgos faciales. (Amaya, 2016)

En las industrias son comunes los controles de calidad, estos mediante operarios
aceptan o rechazan piezas u objetos que estén superficialmente defectuosos. Pero,
estas son tareas repetitivas, y el ser humano tiende a distraerse y a generar errores con
el paso del tiempo por el cansancio y/o envejecimiento, por esta razón, una gran parte
de las grandes industrias han optado por implementar la visión artificial en sus procesos,
debido a que los errores que se manejan son bajos o casi nulos. (García Serrano, 2012)

1.4.1. Componentes de visión artificial

En la visión artificial se distinguen varios componentes como se puede observar en la

figura 1:

Figura 1. Componentes de un sistema de visión artificial

Fuente: (Carrasco, 2016)

 6

Para la adquisición de todos y cada uno de estos componentes, los cuales existen
en gran variedad en el mercado actual, solo es necesario conocer cuáles son las
principales características del sistema y que datos se desean adquirir. (Puente León,
2017)

Las principales empresas productoras de componentes especializados para los

sistemas de visión computarizada proponen múltiples opciones para escoger, pero todo
esto dependerá principalmente de las técnicas y los métodos de captura a usar. Por
ende, se ha realizado una exhaustiva investigación enfocada en los diferentes métodos
y componentes utilizados en los sistemas de visión artificial actuales, esto con el fin de
escoger los más óptimos para el desarrollo de la presente investigación.

1.4.1.1. Iluminación

Esta es la parte más importante del sistema, debido a que es necesario resaltar
las características más relevantes de los objetos a analizar.

Esto a su vez ayuda a que las cámaras obtengan una buena captura de la imagen
que posteriormente será procesada. Los objetos siempre deben estar iluminados de
forma adecuada y estos pueden variar dependiendo del resultado que se desee obtener.

1.4.1.2. Adquisición

Esta tarea se describe como la captura de los rayos reflejados por los objetos, los
cuales son convertidos en señales eléctricas para poder ser procesados. Es realizada
por la cámara, y en ocasiones por otros dispositivos como rayos X o ultrasonidos.

1.4.1.3. Procesamiento

En este punto del proceso, es cuando la imagen previamente capturada pasa a

ser introducida en memoria, y el sistema de adquisición o el procesador pueden aplicar
distintas técnicas de pre procesamiento que permitan la extracción de características
importantes, necesarias y requeridas por el usuario para su interpretación.
 7

1.4.1.4. Actuadores

Debido a que los sistemas de visión artificial, generalmente forman parte de

grandes procesos en grandes sistemas, sus resultados son entregados a robots, cintas
transportadoras y todo tipo de actuadores los cuales se encargan de realizar el
procedimiento mecánico del sistema. (Alegre Gutiérrez, Pajares Martinsanz, & De la
Escalera Hueso, 2016)

1.4.2. Tipos de Iluminación

Hay distintos tipos de iluminación, en los cuales se destacan:

1.4.2.1. Iluminación Direccional

Esta consiste principalmente en aplicar un haz de luz directamente orientado al

objeto, observar figura 2 y es utilizado en aplicaciones como localización y
reconocimiento de piezas.

Figura 2. Iluminación Direccional

Fuente: (Carrasco, 2016)
 8

1.4.2.2. Iluminación Difusa

Este tipo de iluminación consiste en lograr que los haces luminosos incidan desde
diferentes direcciones ver figura 3. Esto para proporcionar un bajo contraste y ausencia
de sombras, se utiliza principalmente para analizar superficies suaves y regulares.
(Puente León, 2017)

Figura 3. Iluminación Difusa

Fuente: (Carrasco, 2016)

1.4.2.3. Iluminación a contraluz

Consiste en iluminar el objeto por la parte posterior, contraria a la cámara, de manera

que este se encuentre alineado con el lente, dando como resultado imágenes binarias
ver figura 4. Su uso principal es la localización de piezas y análisis de agujeros.

Figura 4. Iluminación a Contraluz

Fuente: (Carrasco, 2016)
 9

1.4.2.4. Iluminación Oblicua

Este tipo de iluminación tiene como objetivo principal la creación de sombras

encargados de aumentar el contraste de las partes tridimensionales ver figura 5, las
cuales destacan detalles como pequeños relieves, entre otros.

Figura 5. Iluminación Oblicua

Fuente: (Carrasco, 2016)

1.4.2.5. Iluminación Estructurada.

Esta forma de iluminar los objetos utiliza la proyección de puntos o franjas sobre
la superficie de trabajo, obteniendo así una mayor facilidad en el análisis de las
características 3D del objeto ver figura 6, debido a que existe un patrón conocido y las
diferencias con este patrón facilitan el análisis de la imagen.

Figura 6. Iluminación Estructurada

Fuente: (Carrasco, 2016)
 10

1.4.2.6. Iluminación Coaxial.

Se ilumina de manera que la luz incida en la misma dirección que la luz que entra
en la cámara ver figura 7. Para ello se suelen emplear materiales especiales que ayudan
a desviar la luz con cierta inclinación, esto contribuye a eliminar los brillos que dificultan
el análisis de detalles.

Figura 7. Iluminación Coaxial

Fuente: (Carrasco, 2016)

1.4.2.7. Iluminación Dark-Ground

Este tipo de iluminación consiste en iluminar el objeto por la parte posterior,

contraria a la cámara, con la diferencia que se debe bloquear el paso de la mayor parte
de la luz de la fuente ver figura 8. Es usado principalmente en el análisis de objetos
transparente, en particular para iluminar únicamente los bordes.

Figura 8. Iluminación Dark-Ground

Fuente: (Carrasco, 2016)
 11

1.4.3. Fuentes de Iluminación

Teniendo en cuenta que no solo se debe escoger el método de iluminación más

óptimo, también se debe decidir qué tipo de fuente de iluminación se escogerá
dependiendo de las características que se desean resaltar. Esto se debe hacer de
manera que no afecte el lente de la cámara y la calidad de la imagen capturada. Existen
diferentes fuentes de iluminación, entre los que destacan:

1.4.3.1. Fluorescentes de alta frecuencia

No ofrece demasiada luz y presenta deriva con el tiempo, pero su precio

económico y su adaptabilidad tanto en forma como en color los hacen atractivos ver
figura 9.

Figura 9. Luz Fluorescente

Fuente: (Carrasco, 2016)

1.5.3.2. Halógena

Este tipo de iluminación presenta gran luminosidad, pero desprende calor, su luz
es caliente y su precio es alto. Además, presentan un rápido envejecimiento ver figura
10.

Figura 10. Luz Halógena

Fuente: (Carrasco, 2016)
 12

1.4.3.3. Xenón

La luz Xenón presenta aún mayor luminosidad, aunque los mismos

inconvenientes que la luz halógena, y un precio mayor ver figura 11.

Figura 11. Luz Xenón

Fuente: (Carrasco, 2016)

1.4.3.4. Led

La iluminación de tipo LED, admite multitud de configuraciones y están disponibles

en multitud de colores. Estos son estables, duraderos y funcionan en baja tensión,
aunque su precio es elevado ver figura 12.

Figura 12. Luz LED

Fuente: (Carrasco, 2016)
 13

1.4.3.5. Láser

La iluminación mediante láser o luz estructurada, se utiliza normalmente para

resaltar o determinar la tercera dimensión de un objeto ver figura 13. El método utilizado
es colocar la fuente de luz láser en un ángulo conocido con respecto al objeto a iluminar
y con respecto a la cámara. Viendo la distorsión de la luz puede interpretarse la
profundidad de los objetos a medir.

Figura 13. Luz Láser

1.4.3.6. Fibra Óptica

La iluminación por fibra óptica, es actualmente, la que puede proporcionar la luz

más intensa de todos los tipos de iluminación que se utilizan en visión artificial ver figura
14. La idea básica es conducir la luz procedente de una bombilla halógena, o de xenón,
que se encuentra en una fuente de iluminación, a través de un haz de fibras ópticas que
termina en un adaptador específico para cada tipo de aplicación. (Alegre Gutiérrez,
Pajares Martinsanz, & De la Escalera Hueso, 2016)

Figura 14. Fibra Óptica

Fuente: (Carrasco, 2016)
 14

1.5 LENGUAJES DE PROGRAMACIÓN

1.5.1 CONCEPTO

Lenguaje de programación, es un idioma artificial diseñado para expresar

secuencias que pueden ser llevadas a cabo por máquinas como las computadoras.
Pueden usarse para crear programas que controlen el comportamiento físico y lógico de
una máquina, para expresar algoritmos con precisión, o como modo de comunicación
humana.

Existe un error común que trata por sinónimos los términos 'lenguaje de
programación' y 'lenguaje informático'. Los lenguajes informáticos engloban a los
lenguajes de programación y a otros más, como por ejemplo el HTML. (lenguaje para el
marcado de páginas web que no es propiamente un lenguaje de programación sino un
conjunto de instrucciones que permiten diseñar el contenido y el texto de los
documentos). (Sánchez Rodríguez & Cano Castañeda, 2014)

1.5.2 TIPOS

Los lenguajes más próximos a la arquitectura hardware se denominan lenguajes

de bajo nivel y los que se encuentran más cercanos a los programadores y usuarios se
denominan lenguajes de alto nivel.

1.5.2.1 Lenguajes de bajo nivel

Son lenguajes totalmente dependientes de la máquina, es decir que el programa

que se realiza con este tipo de lenguajes no se pueden migrar o utilizar en otras
máquinas.

Al estar prácticamente diseñados a medida del hardware, aprovechan al máximo

las características del mismo.
 15

Dentro de este grupo se encuentran:

 El lenguaje máquina: este lenguaje ordena las operaciones fundamentales para

su funcionamiento. Consiste en la combinación de 0's y 1's para formar las ordenes
entendibles por el hardware de la máquina.

 El lenguaje ensamblador: es un derivado del lenguaje máquina y está formado por

abreviaturas de letras y números. Con la aparición de este lenguaje se crearon los
programas traductores para poder pasar los programas escritos en lenguaje
ensamblador a lenguaje máquina. (Alvarez, 2015)

1.5.2.2 Lenguajes de alto nivel

Son aquellos que se encuentran más cercanos al lenguaje natural que al lenguaje
máquina. Están dirigidos a solucionar problemas mediante el uso de EDD (Estructuras
Dinámicas de Datos), algo muy utilizado en todos los lenguajes de programación. Son
estructuras que pueden cambiar de tamaño durante la ejecución del programa. Permiten
crear estructuras de datos que se adapten a las necesidades reales de un programa.

Suelen usar tipos de datos para la programación y hay lenguajes de propósito

general (cualquier tipo de aplicación) y de propósito específico (como FORTRAN para
trabajos científicos). (Cobo, 2014)

1.5.2.3 Lenguajes de Medio nivel

Se trata de un término no aceptado por todos. Estos lenguajes se encuentran en

un punto medio entre los dos anteriores. Dentro de estos lenguajes podría situarse C ya
que puede acceder a los registros del sistema, trabajar con direcciones de memoria,
todas ellas características de lenguajes de bajo nivel y a la vez realizar operaciones de
alto nivel. (Cobo, 2014)

1.6 PLATAFORMAS LIBRES PARA DESARROLLO DE VISIÓN ARTIFICIAL

 16

1.6.1 VISIÓN ARTIFICIAL

La visión constituye uno de los sentidos más importante de los seres humanos,
ésta es empleada para obtener información visual del mundo físico, colores, formas etc.,
aproximadamente el 70% de las tareas que el cerebro realiza requiere de la información
visual captada por los ojos. Actualmente las investigaciones tecnológicas realizadas
sobre el sentido de la visión han permitido que se fabriquen dispositivos que simulan el
comportamiento del ojo humano (figura 15), permitiendo obtener información visual en
tiempo real del entorno físico, pero todavía no han logrado replicar exactamente la
funcionalidad de este sentido de visión. (Puente León, 2017)

Figura 15. Visión artificial

Fuente: (Puente León, 2017)

1.6.2 Aplicaciones de los sistemas de visión artificial

Las aplicaciones en el campo de la visión artificial son, múltiples entre las que se
encuentran:

 Automoción: Tienen utilidades en la inspección de la fabricación y en el

ensamblaje de todas y cada una de las piezas.

 Alimentación: Especialmente en el control de calidad de cada tipo de producto

alimentario, ya que se controla cada una de las fases del producto.
 17

 Envases y embalajes: Permite controlar la presencia o ausencia de marcadores.

 Electrónica: Permite controlar la correcta soldadura y ensamblaje de las piezas.

(Iglesias, Martínez, & Taboada, 2018)

1.6.2.1 Lectura de código QR

Un código QR (Quick Response) es un sistema para almacenar información y

ofrecerla, de forma rápida, a las personas que lo visualizan. ( Meritxell, Ferrés Font,
Cornellas , & Codina Regás, 2015)

( Meritxell, Ferrés Font, Cornellas , & Codina Regás, 2015) Manifiesta que para
leer un código QR basta con un dispositivo que tenga una cámara y un pequeño software
que ejerza como lector-traductor del código. Este software utiliza los tres pequeños
cuadrados de tres de las esquinas de los códigos para orientarlo correctamente y poderlo
interpretar. La cuarta esquina la ocupa un cuadrado aún menor que hace la función de
alineación del código, como se aprecia en la figura 16. En otras zonas se almacena la
información referente a la versión, al formato y a la corrección de errores y, por supuesto,
los patrones de puntos acogen los datos específicos de cada código.

Figura16. Código QR

Fuente: (Fernández, 2016)

 18

1.6.3 Librerías para visión artificial

 Torch3vision: Escrita en C++ dispone de procesamiento básico de imágenes,

algoritmos de extracción de características, así como detección de caras
empleando Haar-like features. Es libre con licencia BDS. (Amaya, 2016)

 VLX: Incorpora la mayoría de los algoritmos habituales en visión artificial. En

realidad, no es una única librería, sino más bien un conjunto de ellas que ofrecen
una muy completa funcionalidad. (Amaya, 2016)

 RAVL: Proporciona los elementos básicos de una librería de visión artificial.

Incorpora algunos elementos diferenciadores tales como soporte para
herramientas de audio o interfaces de usuario basadas en GTK (GIMP Tool Kit).
(Sanmartín Piquer, 2016)

 OpenCV: Más de 500 algoritmos entre los que se incluye funciones de propósito
general para procesamiento de imágenes, descripciones geométricas,
segmentación, seguimiento, etc. Es la más completa, en cuanto a librerías para
visión artificial. Una característica añadida es la posibilidad de emplear las
capacidades de computación de las GPU. Si las librerías se encuentran
instaladas OpenCV hace uso de las mismas, mejorando la velocidad en los
cálculos. Compatibilidad con C++, C, Python y Java. (Arévalo, 2016)

1.7 ROBOT INTERACTIVO APLICADO A LA EDUCACIÓN

La Robótica Educativa, es la disciplina que busca potencializar el uso de robots o

kits de robótica en las aulas de clase, esto permite al estudiante desde temprana edad
conocer el funcionamiento, características principales de los mecanismos y electrónica
de los cuales está compuesto el robot, logrando así la organización del pensamiento por
intermedio del desarrollo lógico y programático de robots. (Barrientos, 2013). Razón por
la cual muchos países optan por utilizar este tipo de tecnología en las instituciones
educativas.
 19

1.7.1 Robots Actualmente implementados en la educación.

Teebot. En la figura 16 se aprecia a Teebot, el primer robot ecuatoriano,

compuesto por un kit de robótica adicional al robot, que permite tanto niños como niñas
aprender conceptos de programación, electrónica, tecnología y ciencia, mediante el
trabajo en equipo y el uso de su creatividad. (MOSQUERA, 2015)

Figura16. Teebot

Fuente: (MOSQUERA, 2015)

NAO. Es uno de los humanoides más avanzados del mundo (figura 17), este robot
está especialmente indicado para la enseñanza, ya que por su gran versatilidad en la
forma de programarlo se lo considera como una herramienta pedagógica idónea tanto en
educación secundaria como en universidades. (NUÑOZ, 2015)

Figura 17. NAO

Fuente: (NUÑOZ, 2015)

Zowi. Compuesto por un Arduino como tarjeta principal, además es totalmente

programable con un lenguaje de bloques tipo Scratch, las pruebas realizadas en varios
establecimientos educativos, arrojan resultados magníficos ya que los alumnos se
sienten atraídos por la robótica, como se muestra en la figura 18. (PENALVA, 2016)
 20

Figura 18.ZOWI

Fuente: (PENALVA, 2016)

Rapiro. Es de tipo humanoide (figura 19), emplea una Raspberry Pi como tarjeta
de control, una cámara y doce servos los cuales permiten tener movimientos
programados muy precisos. Su diseño es agradable y atractivo principalmente para los
estudiantes más pequeños. (PASTOR, 2016)

Figura 19. Rapiro

Fuente: (PASTOR, 2016)

1.7.2 Beneficios de la robótica en la educación de los niños y niñas.

Entre los muchos beneficios en la educación para los niños y niñas, están:

 Se involucran activamente en su propio proceso de aprendizaje como en la figura

20 se puede apreciar, desarrollando la intuición científica y de ingeniería.
 21

 Potencian sus habilidades de investigación, resolución de problemas, centrándose

en el razonamiento lógico, analítico, y pensamiento articulista.

 Transformarse en un autodidacta activo, siendo capaz de adquirir conocimiento

por sí solo.

 Capacita a los niños y niñas para desenvolverse en el mundo competitivo,

especialmente en las ciencias tecnológicas, que son las de mayor demanda en la
actualidad. (Mendez, 2015)

Figura 20. Rapiro

Fuente: (Robotrónica, 2015)

1.8 SISTEMAS DE COMUNICACIÓN PARA TRANSMISIÓN DE DATOS

La comunicación inalámbrica utiliza la modulación de ondas de baja potencia como

medio o canal para la transmisión de datos entre el emisor y el receptor, a continuación,
se menciona algunas tecnologías de este tipo.

 Bluetooth: Se basa en el modo de operación maestro/esclavo (figura 21), dispone

de una transmisión de datos de manera inalámbrica con una frecuencia de 2,4
Ghz, siendo la más usada para la sincronización de datos punto a punto, con
diferentes dispositivos como celulares, tablets, etc. (De la Cruz, 2015)
 22

Figura 21. Sistema de comunicación Bluetooth

Fuente: (De la Cruz, 2015)

 Wifi: La transmisión de datos es diez veces más rápida que el Bluetooth y tiene
un alcance de 100 metros en espacios totalmente cerrados, permite manejar
grandes cantidades de datos hasta a una velocidad de transmisión de 600 Mbps.
En la actualidad casi todos los dispositivos nuevos, como teléfonos inteligentes,
tablets, pc (figura 22) utilizan esta tecnología. (De la Cruz, 2015)

Figura 22. Sistema de comunicación WIFI

Fuente: (De la Cruz, 2015)

 ZigBee. Es una tecnología inalámbrica que opera a 2,4 GHZ en aplicaciones

industriales y domótica que requieren bajo envió de datos, pero a la vez necesitan
máxima seguridad y robustez, posee un alcance de 100 metros (figura 23). (Prieto,
2017)
 23

Figura 23. Sistema de comunicación Zigbee

Fuente: (Prieto, 2017)

 24

Bibliografía
Meritxell, E. M., Ferrés Font, J., Cornellas , P., & Codina Regás, D. (2015). Realidad aumentada y códigos
QR en educación.

Alegre Gutiérrez, E., Pajares Martinsanz, G., & De la Escalera Hueso, A. (2016). Conceptos y Métodos en
Visión por computador. España: Grupo de Visión del Comitpe Español de Automática.

Alvarez, S. (2015). Tipos de Lenguaje de Programación. Lima.

Amaya, S. (2016). Desarrollo e Implementación de un Sistema de Visión Artificial. Medellin: Lámpsakos.

Obtenido de https://dialnet.unirioja.es/descarga/articulo/5403329.pdf

Arévalo, M. (2016). La librería de visión artificial OpenCV. España: Matrox Library. Obtenido de
http://mapir.isa.uma.es/varevalo/drafts/arevalo2004lva1.pdf

Asoculsor. (2017 de Abril de 04). Sordos Ecuador. Obtenido de

http://www.sordosecuador.com/2017/04/cursos-de-lengua-de-senas-ecuatoriana.html

Carrasco, J. (Diciembre de 2016). Tecnología Informática. Obtenido de

http://tecnologiainformaticasistemas.blogspot.com/2016/12/VisionArtificial_12.html

Cobo, A. (2014). Diseño y programación de bases de datos. Visión Libros.

De la Cruz, J. L. (23 de octubre de 2015). Comunicación inalámbrica con Bluetooth. Innovación, 5.

Obtenido de http://www.tecnicaindustrial.es/tiadmin/numeros/15/06/a06.pdf

Del Brío, M. (2018). Fundamentos de las redes neuronales artificiales: hardware y software. Scire:
Representación y organización del conocimiento, 103-125.

Fernández. (2016). QR voice, los BIDI que te hablan. Obtenido de https://tellado.es/qr-voice-los-bidi-que-

te-hablan/

García Serrano, A. (2012). Inteligencia Artificial. Madrid: Arturo.

Iglesias, C., Martínez, J., & Taboada, J. (2018). Sistema de visión automatizada para inspección de calidad
de losas de pizarra. Computers in Industry, 99, 119-129. doi:10.1016/j.compind.2018.03.030

LeCun, Y. (2016). Les Enjeux de la Recherche en Intelligence Artificielle. New York: Intersticios.

Martínez, J. F. (2014). Recuperación de información: Modelos y sistemas de evaluación. Murcia: El Kiosko

JMC.

MOSQUERA, S. (13 de ABRIL de 2015). TEEBOT. (E. UNIVERSO, Ed.) Teebot, un robot hecho en Ecuador
para aprender, pág. 25. Obtenido de
https://www.eluniverso.com/noticias/2015/04/13/nota/4764351/robot-hecho-ecuador-
aprender

Nilholm, C. (2014). Special education, inclusion and. European Journal of Special Needs, 431-445.
 25

NUÑOZ, V. (2015). NAO Los robots del futuro son ya una realidad. Robtrónica, 1. Obtenido de
https://www.juguetronica.com/robot-nao

PASTOR, J. (3 de julio de 2016). RAPIRO, un pequeño robot con Raspberry Pi. XATAKA, 3. Obtenido de
https://www.xataka.com/robotica-e-ia/rapiro-un-pequeno-robot-con-raspberry-pi-que-te-sirve-
el-cafe

PENALVA, J. (25 de enero de 2016). Probamos ZOWI, un robot con cerebro Arduino. XATAKA, 2.
Obtenido de https://www.xataka.com/analisis/probamos-zowi-un-robot-con-cerebro-arduino-
que-puede-dar-mas-de-lo-que-aparenta

Prieto, J. (2017). Introducción a los sistemas de comunicación inalámbricos. Universidad Oberta de

Catalunya, 17. Obtenido de
https://www.exabyteinformatica.com/uoc/Informatica/Tecnologia_y_desarrollo_en_dispositivo
s_moviles/Tecnologia_y_desarrollo_en_dispositivos_moviles_(Modulo_1).pdf

Puente León, F. (2017). Visión Artificial. AIDIMA, 1-2. Obtenido de

http://www.aidima.es/vamad/news_Files/70_1.pdf

Sánchez Rodríguez, D. C., & Cano Castañeda, N. D. (2014). Introducción a la programacion. Chía-
Cundinamarca: IE San Josemaria Escrivá De Balaguer. Obtenido de
http://files.sanjo2014.webnode.es/200000001-
c34cac445e/INTRODUCCION%20A%20LA%20PROGRAMACION.pdf

Sanmartín Piquer, F. J. (2016). Aplicación de la Vision Artificial en la realización audiovisual. España:

Universidad Politécnica de Valéncia. Obtenido de
https://riunet.upv.es/bitstream/handle/10251/70614/PDF-SANZ%3BSanmartin%20-
%20Aplicaci%C3%B3n%20de%20la%20visi%C3%B3n%20artificial%20en%20la%20realizaci%C3%B
3n%20audiovisual.CvCinema.pdf

Schuntermann, M. (2015). The implementation of the International Classification of Functioning,

Disability and Health in Germany: experiences and problems. International Journal of
Rehabilitation, 93-102.