La transmisión de persona a persona juega un papel esencial en la propagación del COVID-19 y sus variantes, debido a que se propaga a través de pequeñas gotas que son expulsadas cuando un paciente presintomático estornuda, tose o simplemente habla. Por lo tanto, el uso de máscaras faciales resulta esencial en áreas públicas, para reducir las tasas de propagación del virus.

En general, monitorear a las personas que no respetan el uso de cubrebocas es una tarea desafiante en sitios con gran presencia de gente donde es imposible rastrear si todos los usan. Por este motivo, existe una gran necesidad de un sistema informático que permita el seguimiento automático del uso correcto/incorrecto de las mascarillas.

Con este propósito los estudiantes Fabricio Crespo y Brian Crespo presentaron el proyecto “A Computer Vision Model to Identify the Incorrect Use of Face Masks for COVID-19 Awareness”, bajo la dirección del docente Eugenio Morocho, Ph. D., todos ellos integrantes del grupo de investigación “DeepARC” de la Escuela de Ciencias Matemáticas y Computacionales. El proyecto, que fue publicado en la revista científica Applied Sciences, se realizó en colaboración con la Universidad Muhammed VI de Marruecos y la Universidad del Cauca de Colombia.

El proyecto propone la creación de una arquitectura de red neuronal convolucional compuesta (convolutional neural network (CNN) en inglés) basada en dos tareas de visión por computadora: localización de objetos para descubrir caras en imágenes/videos y una clasificación de imágenes CNN para categorizar las caras y mostrar si alguien está usando una mascarilla de manera correcta, incorrecta o si no lo hace.

La primera CNN está basada en RetinaFace, un modelo para detectar rostros en imágenes, mientras que la segunda CNN utiliza una arquitectura ResNet-18 como columna vertebral de clasificación, lo que permite una identificación precisa de las personas que no están siguiendo correctamente las recomendaciones sanitarias de COVID-19 sobre el uso de mascarillas.

Para permitir un mayor uso global de esta tecnología, el grupo de investigación “DeepARC” puso a disposición del público tanto el conjunto de datos utilizado para entrenar el modelo de clasificación como el código de visión artificial propuesta y optimizada para la implementación de sistemas integrados en cualquier parte del mundo.

Con estas acciones desde Yachay Tech se aporta al desarrollo del conocimiento basado en la tecnología e innovación y se generan aportes a la colectividad.