Aplicación desarrollada por estudiantes detecta calles en mal estado
Detectar y encontrar eventos en la calzada es el objetivo del software Geoviality, aplicación desarrollada por un grupo de estudiantes de Ingeniería Civil Informática de la Universidad Técnica Federico Santa María (USM) que a través de inteligencia artificial busca automatizar los procesos de búsquedas y reparación de calles en mal estado.
Fuente: USM
A través de un sistema basado en el uso de IA, esta aplicación presentada durante la XXXII Feria de Software de la USM permite el levantamiento de datos en tiempo real utilizando solo un teléfono móvil con conexión a internet, lo que, según señalan sus desarrolladores, facilita el acceso y uso a cualquier usuario.
"El levantamiento de datos sobre las condiciones de las calles sigue siendo, en gran parte, un proceso manual. Creemos que el trabajo de levantar datos puede ser automatizado, lo que permitiría ahorrar recursos, reducir esfuerzos y, al mismo tiempo, generar un mayor valor a partir de esos datos", cuenta Maximiliano Sepúlveda, scrum master y mobile developer de Geovality.
En ese aspecto, el equipo de Geoviality señala que busca integrarse a municipalidades de múltiples regiones para tener la vista amplia sobre el estado de las calles de las ciudades y acercar a las organizaciones a la realidad que viven los ciudadanos, apuntando a contribuir al desarrollo de calles más seguras y transitables.
En relación al apartado técnico, Sepúlveda señala que la aplicación se compone de una aplicación móvil, un componente de inteligencia artificial y una aplicación web. “Utilizamos un stack tecnológico robusto y completo que abarca tanto el frontend como el backend, APIs y modelos de IA. En el frontend, empleamos React para la aplicación web y React Native para la aplicación móvil. El backend está desarrollado con Python, FastAPI y MongoDB como base de datos. Para los modelos de inteligencia artificial, integramos YOLO y Roboflow, siendo estas herramientas claveS para el procesamiento de imágenes y la clasificación automática que el sistema realiza", detalla el estudiante.
Además de Sepúlveda, el equipo de desarrollo lo componen Benjamín Zunino, product owner y AI designer; Francisco Muñoz, frontend y web developer; Felipe Mellado, backend developer; Diego Rivera, frontend developer y AI developer; y Cristopher Fuentes, marketing manager y full stack developer.
