Revisión sistemática de las aplicaciones de vanguardia en el campo de la visión por computadora

Introduction:  Computer vision combines artificial intelligence and robotics to analyze images captured by cameras. It is based on the theory of RGB color perception and considers factors such as illumination and sensor type. It uses color models to accurately modify images. OpenCV and Python are used in this research on advanced techniques in computer vision, focusing on innovation and algorithms to improve object classification accuracy using machine learning and neural networks. Objective:  The main objective of this study is to conduct a comprehensive review of the available information on recent advances in machine vision by means of meta-analysis or systematic review, to address research more accurately in this field. Methodology:  The research focuses on computer vision, prioritizing recent scientific sources in English, although reliable books and web sources are included to a lesser extent. A qualitative approach is used through the Systematic Literature Review (SLR) methodology, which encompasses the formulation of questions, exploration of documents, rigorous selection of works and acquisition of relevant data. Results:  The analysis highlights that computer vision is an advanced field with diverse applications in intelligent device systems; a keyword analysis was also performed to identify key trends in the selected articles. Conclusion:  Most of the relevant studies on the subject were found in English databases such as IEEE and Springer, with limited references in Scopus due to their associated costs; the focus of this study is on intelligent systems and their application in real-time object detection using convolutional neural networks.Introducción:  La visión artificial combina inteligencia artificial y robótica para analizar imágenes capturadas por cámaras. Se basa en la teoría de la percepción del color RGB y considera factores como la iluminación y el tipo de sensor. Utiliza modelos de color para modificar imágenes con precisión. Se emplean OpenCV y Python en esta investigación sobre técnicas avanzadas en visión artificial, centrándose en la innovación y algoritmos para mejorar la precisión en la clasificación de objetos mediante el aprendizaje automático y redes neuronales. Objetivo:  El objetivo principal de este estudio es llevar a cabo un examen exhaustivo de la información disponible acerca de los avances recientes en visión artificial mediante metaanálisis o revisión sistemática, con el fin de abordar de manera más precisa la investigación en este ámbito. Metodología:  La investigación se enfoca en la visión artificial, priorizando fuentes científicas recientes en inglés, aunque se incluyen libros y fuentes web confiables en menor medida. Se utiliza un enfoque cualitativo a través de la metodología de Revisión Sistemática de la Literatura (SLR), que abarca la formulación de preguntas, exploración de documentos, selección rigurosa de obras y adquisición de datos relevantes. Resultados: El análisis destaca que la visión por computadora es un campo avanzado con diversas aplicaciones en sistemas de dispositivos inteligentes; también se realizó un análisis de palabras clave para identificar tendencias clave en los artículos seleccionados. Conclusión: La mayoría de los estudios relevantes sobre el tema se hallaron en bases de datos en inglés como IEEE y Springer, con limitadas referencias en Scopus debido a sus costos asociados; el enfoque de este estudio se centra en sistemas inteligentes y su aplicación en la detección de objetos en tiempo real mediante redes neuronales convolucionales. Área de estudio general: Tecnologías de la Información y Comunicación (Tic). Área de estudio específica: Inteligencia artificial