Ofertas Académicas

El laboratorio de Sistemas Embebidos de Tandil ofrece propuestas para la realización para prácticas profesionales supervisadas y trabajos integradores. También la oferta de tesis de posgrado, y temas de investigación para la presentación en convocatorias de becas enmarcadas en los proyectos vigentes. 

Propuestas de PPS+PI 

Título:  Generación de Controladores Difusos basados en FPGAs con soporte en estándar internacional IEC

Resumen

Los sistemas de control basado en lógica difusa (FLC, Fuzzy Logic Controller) son una alternativa a los controladores clásicos. Al no emplear modelos matemáticos para su funcionamiento, resultan especialmente útiles para procesos complejos y mal definidos, donde  se necesita del conocimiento de un experto para el manejo de datos imprecisos. Por otro lado, la utilización de dispositivos de lógica programable (FPGAs) para la implementación de sistemas de control en la industria se encuentra en constante crecimiento, debido a la diferentes ventajas que presenta. Entre ellas se encuentran la velocidad de procesamiento, debido al alto grado de paralelización;  la flexibilidad, como consecuencia de la reconfiguración; y el reducido tiempo de desarrollo, debido al empleo de síntesis de alto nivel (HLS) automática. El objetivo de este trabajo es continuar el desarrollo de una herramienta que une estas dos tecnologías para adaptarla a los estándares de la industria y explorar formas de mejorar o extender su funcionalidad. 

La PPS+PI propone tres mejoras específicas: 

• Agregar soporte de descripciones según estándar internacional IEC (International Electrotechnical Commision) 61131-7:2000, correspondiente a descripciones de controladores difusos en controladores programables industriales.

• Automatizar el proceso de compilación para obtener una versión del controlador en VHDL o Verilog usando la descripción en C provista en la herramienta y las herramientas de Xilinx para síntesis de alto nivel.

• Mejorar la interfaz de la herramienta para hacerla más amigable a los usuarios inexpertos.

Duración estimada: 5-6 meses. Para más detalles comunicarse con Martín Vázquez1 y  Luca Sarramone2.

1 mvazquez@labset.exa.unicen.edu.ar 

2 lsarramone@intia.exa.unicen.edu.ar

Director: Dr. Martín Vázquez

CoDirector: Ing. Luca Sarramone

Lugar de Trabajo: LabSET/INTIA

Cantidad de Alumnos/as: 1 o 2 alumno

Título:  Implementación de modelo de Deep Learning para la estimación de condición corporal vacuna en FPGA 

Resumen

El trabajo se enmarca en  uno de los  proyectos  de investigación que se ejecutan en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. El trabajo consiste en la colaboración entre LabSET e ISISTAN, aprovechando la experiencia tecnológica del LabSET para llevar a cabo la migración de un modelo de Deep Learning diseñado por ISISTAN. El modelo implementa un estimador de la condición corporal (BCS) en vacas a partir de imágenes de profundidad. La condición corporal  de los animales es un puntaje que evalúa la grasa corporal almacenada y el balance energético, que influye en la producción de leche, reproducción y salud. El monitoreo de este valor permite maximizar la producción y sanidad de los animales. Por otra parte, la evolución tecnológica de los dispositivos FPGA en la última década, en conjunto con la innovación de las herramientas, ha permitido la implementación de sistemas de inferencia complejos con capacidad de ejecución en tiempo real, con un reducido consumo de potencia.

En esta PPS+PI se propone la migración del modelo de Deep Learning entrenado para la estimación de condición corporal en vacas, hacia la tecnología FPGA. El trabajo comprende el entrenamiento en el uso de las herramientas de desarrollo para la tecnología (Vitis,  Vitis HLS y Vitis-AI de AMD-Xilinx), el desarrollo de la plataforma considerando el dispositivo de captura de imágenes de profundidad, la implementación y evaluación del modelo en el dispositivo considerando efectividad y uso de recursos

Director: Mg. Lucas Leiva

CoDirector: Dr. Matias Hirsch

Lugar de Trabajo: LabSET/INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Título:  Sistema portable basado en FPGA para el conteo automático de huevos de parásitos  

Resumen

El trabajo se enmarca en uno de los proyectos de investigación que se ejecutan en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. Las enfermedades parasitarias son uno de los principales problemas de la industria agropecuaria. Un monitoreo y control efectivo de estas infecciones permite reducir considerablemente las pérdidas. En la actualidad, el monitoreo requiere del muestreo y posterior análisis en laboratorios, lo que impone pérdidas de tiempo y económicas. Como objetivo se propone el desarrollo de un dispositivo portátil de análisis, que pueda ser utilizado en el campo por expertos veterinarios. El trabajo comprende la vinculación del LabSET, con el Centro de Investigación Veterinaria Tandil (CIVETAN) de la UNICEN, e InFoLab de Mar del Plata. Como antecedentes, se han realizado y publicado resultados de un modelo de Deep Learning para la automatización del conteo de huevos de parásitos, el cual fue compilado y evaluado en un dispositivo FPGA. 

En esta PPS+PI se propone dos etapas principales, en donde la primera se corresponde con la migración de la solución existente a las versiones modernas de las herramientas. El modelo actual fue compilado utilizando las herramientas provistas en Vitis AI 1.4.1, y se pretende la migración a Vitis AI 3.5.  La segunda etapa comprende el desarrollo e integración de una solución funcional embebida, con soporte de captura de imágenes desde un microscopio digital USB.  

Director: Mg. Lucas Leiva

CoDirector: Ing. Bruno Constanzo

Lugar de Trabajo: LabSET/INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Título:  Control parasitario en ovinos mediante un sistema automático para el suministro de cápsulas en bebederos 

Resumen

El trabajo se enmarca en un PICT que se está ejecutando conjuntamente entre el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA y el Área de Parasitología y Enfermedades Parasitarias (Fac. Cs. Veterinarias-UNCPBA). En el PICT tiene como objetivo principal lograr la aplicabilidad del hongo nematófago Duddingtonia flagrans como agente de control biológico de nematodos gastrointestinales de importancia en la producción pecuaria, mediante la fabricación y administración de cápsulas de alginato en el agua de bebida.

En esta PPS+PI se propone abordar uno de las etapas del PICT que consiste en la realización de un sistema embebido de control IoT que posibilita la incorporación de las cápsulas en el bebedero. Para ello se partirá de un prototipo realizado en el proyecto, en el cuál analiza las imágenes capturadas desde el bebedero y determina si se debe, o no,  proporcionar cápsulas al mismo. Además, se debe controlar nivel de agua del bebedero, la dosificación de cápsulas mediante el procesamiento de imágenes, registrar todas las acciones realizadas para posterior análisis off-line y soportes de conectividad para la configuración del sistema y/o transmisión de datos.

Director: Dr. Juan Toloza

CoDirector: Dr. Lucas Leiva

Lugar de Trabajo: LabSET/INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Título:  Clasificación de huevos de parásito mediante técnicas de Deep Learning para pequeños animales 

Resumen

El trabajo se enmarca en uno de los proyectos  de investigación que se ejecutan en el Laboratorio de Sistemas Embebidos Tandil (LabSET) del INTIA. El conocimiento de los agentes parasitarios intestinales de las mascotas que conviven más estrechamente con el hombre tiene implicancias en la salud humana, ya que estos agentes tienen la potencialidad de transmitirse al humano. A diferencia de la industria agropecuaria, el tratamiento se elige en función del tipo de parásito que infecta al animal. Es por ello que la automatización del diagnóstico mediante técnicas computacionales permitiría reducir los tiempos de tratamiento,  evitando el análisis de laboratorio. El trabajo comprende la vinculación del LabSET, con el Centro de Investigación Veterinaria Tandil (CIVETAN) de la UNICEN, e InFoLab de Mar del Plata, y refuerza las colaboraciones previas realizadas entre los institutos para el conteo automático de huevos de parásitos aplicado en la industria agropecuaria. 

En esta PPS+PI se propone el desarrollo de un modelo de Deep Learning para la clasificación de huevos de parásitos de pequeños animales. Como requisito, se explicita que el modelo generado debe cumplir con las restricciones necesarias para poder ser compilado e implementado en FPGA utilizando las herramientas provistas por AMD Xilinx (Vitis AI) en futuras versiones del desarrollo, a fin de generar un dispositivo de análisis portable. 

Director: Mg. Lucas Leiva

CoDirector: Ing. Bruno Constanzo

Lugar de Trabajo: LabSET/INTIA

Cantidad de Alumnos/as: 1 o 2 alumnos/as

Propuestas de tesis de posgrado

Propuestas de investigación