La predicción del rendimiento y la selección de variedades son componentes críticos para evaluar la producción y el rendimiento en los programas de mejora y en la agricultura de precisión. Dado que las plantas integran su genética, el entorno que las rodea y las condiciones de gestión, los fenotipos de los cultivos se han medido a lo largo de las temporadas de cultivo para representar los rasgos de las variedades. En la actualidad, los UAS (sistemas aéreos no tripulados) ofrecen una nueva oportunidad para recopilar imágenes de alta calidad y generar datos fenotípicos fiables de forma eficiente. Aquí, proponemos un fenotipado de alto rendimiento (HTP) a partir de imágenes multitemporales UAS para la estimación del rendimiento del tomate. Las imágenes RGB y multiespectrales basadas en UAS se recogieron semanal y quincenalmente, respectivamente. La forma de las características de los tomates, tales como la cobertura del dosel, el dosel, el volumen y los índices de vegetación derivados de las imágenes UAS, se estimó a lo largo de toda la temporada. Para extraer las características de las series temporales a partir de los datos fenotípicos basados en UAS, se ajustaron las curvas de crecimiento del cultivo y de la tasa de crecimiento mediante curvas matemáticas y ecuaciones de primera derivada. A partir de las curvas ajustadas de diferentes fenotipos se extrajeron características de series temporales como la tasa de crecimiento máxima, el día en un evento específico y la duración. El modelo de regresión lineal produjo altos valores R2 incluso con diferentes métodos de selección de variables: todas las variables (0,79), selección hacia delante (0,7) y selección hacia atrás (0,77). Con el análisis factorial, descubrimos dos factores significativos, la velocidad y el momento de crecimiento, relacionados con las variedades de alto rendimiento. A continuación, se seleccionaron cinco fenotipos de series temporales para modelos de predicción del rendimiento que explicaban el 65% de la varianza en la cosecha real. Las características fenotípicas derivadas de las imágenes RGB desempeñaron papeles más importantes en la predicción del rendimiento. Esta investigación también demuestra que es posible seleccionar con éxito variedades de tomate de menor rendimiento. Los resultados de este trabajo pueden ser útiles en programas de mejora y en granjas de investigación para seleccionar variedades de alto rendimiento y resistentes a enfermedades y plagas.

Este artículo propone un sensor pasivo inalámbrico de vibraciones basado en cerámica de alta temperatura para la medición de vibraciones en entornos hostiles como la automoción y los motores avanzados. El sensor puede ser equivalente a un tanque de resonancia LC de RF sensible a la aceleración. Se presentan en detalle el diseño estructural del tanque LC y el mecanismo de detección inalámbrica de señales. Las propiedades mecánicas a alta temperatura de la estructura sensible se analizan mediante ANSYS a 25-400°C, lo que demuestra la utilidad del sensor de vibraciones en entornos de alta temperatura. La fabricación tridimensional integrada de sensores de vibración con una estructura de viga-masa basada en cerámica de alta temperatura se completa mediante un proceso de unión. Por último, se comprueba el funcionamiento del sensor en una plataforma experimental construida, y los resultados muestran que la sensibilidad a las vibraciones es de aproximadamente 1,303 mv/m-s-2, y el error no lineal es de aproximadamente el 4,3%. El sensor de vibraciones puede funcionar con normalidad a 250°C, y la sensibilidad es de 0,989 mv/m-s-2.

La disponibilidad de seguridad siempre ha sido un reto en todos los campos de la informática y las redes, y el desarrollo de medidas de seguridad fiables para sistemas de baja potencia operativa ha sido una tarea continua para los investigadores. Este trabajo se centra en los sistemas de identificación por radiofrecuencia (RFID), cuyo mercado está creciendo enormemente debido a la creciente necesidad de una gestión eficiente de la cadena de suministro y la atención sanitaria. Se proponen dos protocolos que ofrecen autenticación mutua, confidencialidad, seguridad hacia adelante, anonimato, desvinculabilidad, escalabilidad y resistencia contra los ataques de seguridad más importantes. Se diferencian en los requisitos de almacenamiento en el lado del servidor. Los dos protocolos propuestos son muy eficientes, ya que el número de multiplicaciones de curvas elípticas necesarias se limita a dos en el lado de la etiqueta. Además, los esquemas son también más eficaces y seguros que otros trabajos relacionados presentados en la literatura. Además, mostramos cómo ampliar los protocolos para proporcionar autenticación con respecto a múltiples lectores.

La aparición de las aplicaciones IoT ha planteado los problemas de seguridad de los grandes datos enviados por los dispositivos IoT. El diseño de algoritmos criptográficos ligeros se ha convertido en una necesidad. Además, la criptografía de curva elíptica (ECC) es una tecnología criptográfica prometedora que se ha utilizado en IoT. Sin embargo, los objetos conectados son dispositivos con recursos limitados, con potencia de cálculo y energía limitadas. Impulsados por estas motivaciones, proponemos y desarrollamos un protocolo criptográfico seguro denominado CoopECC que aprovecha la organización de los nodos IoT en clústeres para distribuir la carga de la cabeza de clúster (CH) entre sus miembros. Esta técnica demuestra que optimiza el consumo de recursos de los nodos IoT incluyendo computación y consumo de energía. La evaluación de rendimiento, realizada con el simulador TOSSIM, muestra que el protocolo propuesto CoopECC supera al algoritmo ECC original, en términos de tiempo de computación, energía consumida y vida útil de la red.

En la red de sensores RFID (RSN), los dispositivos se comunican entre sí mediante ondas de radiofrecuencia que utilizan las antenas a través de un canal de propagación. Una mala comunicación entre estos dispositivos da lugar a importantes pérdidas económicas o a amenazas para la seguridad. Los problemas de comunicación pueden tener varios orígenes en función del tipo de antena utilizada y de la naturaleza del canal de propagación. En este trabajo, nuestro objetivo es limitar los problemas de comunicación entre los nodos de esta red que están vinculados a las características de un canal de propagación en interiores. El objetivo es predecir las características del canal utilizando el método de trazado de rayos 3D para seleccionar los parámetros de transmisión adecuados, como la potencia de transmisión y la duración de un símbolo. Para lograrlo, hemos modelado un edificio seccionado como canal de propagación en el que se despliegan dispositivos de red para su control y monitorización. La comunicación se ha realizado a 915 MHz utilizando la antena cúbica 3D cuasi-isotrópica que hemos diseñado así como una antena dipolo convencional con el fin de comparar los resultados. Hemos comprobado que el uso de la antena cúbica 3D ofrece varias ventajas a la red de sensores RFID en comparación con la antena dipolo convencional más utilizada, como una potencia de transmisión de 0 dBm, lo que conlleva automáticamente un aumento de la vida útil de los dispositivos, así como una duración mínima del símbolo de unos 219,78 ns, lo que proporciona una alta tasa de bits.

En la actualidad, los sensores de orden cero se utilizan habitualmente como realimentación de posicionamiento para el control de bucle cerrado en robótica; por tanto, para ampliar las alternativas de control de los robots, deben investigarse más a fondo otras vías de detección. En este trabajo se estudian formalmente las condiciones en las que la salida del sensor de orden n-ésimo puede utilizarse para controlar brazos robóticos en serie k-DoF. Para obtener las condiciones de control mencionadas, se ha utilizado el teorema de Pickard-Lindeloff para demostrar la existencia y unicidad de la solución del modelo matemático del robot con n sistemas sensoriales de orden incluidos. Para verificar que las condiciones y afirmaciones dadas garantizan la controlabilidad tanto para sistemas basados en estructura continua como variable, se utilizan dos tipos de estrategias de control en la obtención de resultados de simulación: el control PID convencional y un control de Modo Deslizante de segundo orden.

Muchos campos de aplicación comienzan a utilizar redes de sensores inalámbricos (WSN), y la evaluación de su rendimiento se convierte en un tema importante, que puede ayudar al responsable de la toma de decisiones a encontrar las deficiencias de la WSN actual o a buscar la mejor WSN. Existen múltiples atributos mixtos en el proceso de evaluación del rendimiento de la WSN, por ejemplo, algunos indicadores de evaluación pueden expresarse como números de intervalo, mientras que otros pueden expresarse como variables lingüísticas, por lo que es necesario explorar el modelo de evaluación basado en la toma de decisiones multiatributo mixta (MADM). Teniendo en cuenta el propósito específico de la evaluación y los requisitos de las diferentes empresas, este documento propone un método de selección de indicadores y un método de ponderación subjetiva basado en la teoría de los conjuntos rugosos. Después, basándose en la transformación de atributos mixtos en números intuicionistas difusos unificados (IFNs), se propone un método de ponderación objetiva basado en la entropía intuicionista difusa. Mientras tanto, los pesos combinados de los indicadores se obtienen sintetizando los pesos subjetivos y objetivos. Posteriormente, con el fin de evaluar objetivamente el rendimiento de la WSN, se propone un marco de evaluación global integrado, que incluye la evaluación única, la prueba de compatibilidad, la evaluación combinada y la prueba de coherencia. El documento presenta modelos específicos y pasos de cálculo detallados. Por último, se presenta un estudio de caso para explicar la aplicación del método de selección de indicadores propuesto y los modelos de evaluación, que aportan nuevas ideas y referencias para la evaluación del rendimiento de las WSN.

Se propone un sensor de microondas basado en metamateriales con una estructura novedosa y compacta de los resonadores y la línea de transmisión microstrip ranurada para la medición de alta precisión de las propiedades dieléctricas de los materiales bajo prueba (MUTs). El sensor propuesto se ha diseñado y simulado en el sustrato RO4003C de Rogers utilizando el software ANSYS HFSS. Se consigue una profundidad de entalla única y acumulativa de -44,29 dB en el coeficiente de transmisión (S21) a la frecuencia de resonancia de 5,15 GHz. Los parámetros constitutivos negativos (permitividad y permeabilidad) se extraen de los parámetros S, que son la propiedad básica de los metamateriales o materiales zurdos (LHM). El sensor propuesto se fabrica y mide mediante el PNA-X (N5247A). El análisis de sensibilidad se realiza colocando diversos materiales dieléctricos estándar sobre el sensor y midiendo el desplazamiento de las frecuencias de resonancia de los MUT. Se formula una ecuación parabólica del sensor propuesto para aproximar la frecuencia de resonancia y la permitividad relativa de los MUT. Se ha encontrado una gran concordancia entre los resultados simulados, medidos y calculados, lo que revela que el sensor propuesto es un sensor de alta precisión para la caracterización de las propiedades dieléctricas de los MUTs. Se realiza un análisis de errores para determinar la precisión del sensor propuesto. Se obtiene un porcentaje de error muy pequeño (0,81%) y una desviación estándar muy baja que indican una alta precisión del sensor propuesto.

La detección de buques en imágenes de radar de apertura sintética (SAR) tiene muchas aplicaciones valiosas tanto en el ámbito civil como en el militar y ha recibido una atención extraordinaria en los últimos años. Los métodos de detección tradicionales son insensibles a los buques multiescala y suelen requerir mucho tiempo, lo que se traduce en una baja precisión de detección y limitaciones para el procesamiento en tiempo real. Para equilibrar la precisión y la velocidad, en este artículo se propone un método integral de detección de barcos para escenas complejas costeras y de alta mar basado en redes neuronales convolucionales profundas (CNN). En primer lugar, las imágenes SAR se dividen en diferentes cuadrículas, y las cajas de anclaje se predefinen basándose en las cuadrículas responsables para la predicción densa de buques. A continuación, se adopta Darknet-53 con unidades residuales como columna vertebral para extraer características, y se añade una estructura piramidal descendente para la fusión de características multiescala con concatenación. De este modo, se extraen abundantes características jerárquicas que contienen información espacial y semántica. Para mejorar el rendimiento, se utilizan estrategias como la supresión suave no máxima (Soft-NMS), la mezcla y el aumento de datos en mosaico, el entrenamiento multiescala y la optimización híbrida. Además, el modelo se entrena desde cero para evitar el sesgo del objetivo de aprendizaje del preentrenamiento. El método de una etapa propuesto adopta la inferencia de extremo a extremo mediante una única red, por lo que la velocidad de detección puede garantizarse gracias al paradigma conciso. Se han realizado experimentos exhaustivos con el conjunto de datos público de detección de buques SAR (SSDD), y los resultados muestran que el método puede detectar buques tanto costeros como de alta mar con mayor precisión que otros métodos convencionales, obteniendo una precisión media del 95,52%, y la velocidad de detección es bastante rápida, con unos 72 fotogramas por segundo (FPS). Los datos reales de Sentinel-1 y Gaofen-3 se utilizan para la verificación, y los resultados de detección también muestran la eficacia y solidez del método.

El interés por el reconocimiento de la expresión facial (FER) aumenta día a día debido a sus aplicaciones prácticas y potenciales, como el diagnóstico de la interacción fisiológica humana y la detección de enfermedades mentales. Esta área ha recibido mucha atención por parte de la comunidad investigadora en los últimos años y ha logrado resultados notables; sin embargo, se requiere una mejora significativa en los problemas espaciales. Este trabajo de investigación presenta un marco novedoso y propone una solución eficaz y robusta para FER en un entorno sin restricciones. La detección facial se realiza mediante la supervisión de los atributos faciales. Se utiliza Faceness-Net para respuestas profundas de partes faciales para la detección de rostros bajo variaciones severas no restringidas. Para mejorar los problemas de generalización y evitar el régimen de datos insuficientes, se utiliza Deep Convolutional Graphical Adversarial Network (DC-GAN). Debido a los desafiantes factores ambientales a los que nos enfrentamos en la naturaleza, un gran número de ruidos perturban la extracción de características, lo que dificulta la captura de la verdad sobre el terreno. Aprovechamos diferentes sensores multimodales con una cámara que ayuda en la adquisición de datos, extrayendo las características con mayor precisión y mejorando el rendimiento general de FER. Estos sensores inteligentes se utilizan para hacer frente a retos significativos como la variación de la iluminación, la dependencia del sujeto y la pose de la cabeza. Se utiliza una red de cápsulas mejorada que es capaz de resolver el problema espacial. Las redes de cápsulas tradicionales no son capaces de extraer suficientemente los rasgos, ya que la distancia varía mucho entre los rasgos faciales. Por lo tanto, la red propuesta es capaz de realizar transformaciones espaciales gracias al mecanismo de unidad de acción consciente y, por lo tanto, envía la mayoría de las características deseadas para el enrutamiento dinámico entre cápsulas. Para la función de clasificación se utiliza la función de aplastamiento. Hemos elaborado la eficacia de nuestro método validando los resultados en cuatro bases de datos populares y versátiles que superan a todos los métodos del estado de la técnica.