Reconocimiento de entradas de disparos por inteligencia artificial utilizando visión por computadora

Área de la Ciencia:

• Ciencias forenses
• Visión por computadora
• Aprendizaje automático

Sus antecedentes:

• Los delitos relacionados con las armas de fuego están aumentando a nivel mundial.
• La identificación de pruebas de armas de fuego es un reto para el análisis forense.
• El examen de pruebas es vital para la reconstrucción de la escena del crimen.

Objetivo del estudio:

• Desarrollar un sistema de visión por computadora para reconocer los tipos de calibre de armas de fuego de las entradas de camisetas.
• Aplicar modelos de aprendizaje profundo para el análisis automatizado de pruebas forenses.
• Para diferenciar entre las marcas de entrada de diferentes calibres de armas de fuego.

Principales métodos:

• Utilizó el algoritmo YOLOv11 (Ultralytics), una red neuronal convolucional.
• Recogió 110 imágenes de camisetas de revólveres de calibre 38, 9 mm y pistolas de calibre 357.
• Se empleó el aumento de datos para ampliar el conjunto de datos a 436 imágenes para capacitación y validación.

Principales resultados:

• El modelo YOLOv11 logró un rendimiento satisfactorio con un promedio de parámetros de clasificación de más del 90%.
• El análisis de la matriz de confusión confirmó la robustez y la estabilidad del modelo en las predicciones.
• El sistema clasificó con éxito las entradas de diferentes calibres de armas de fuego.

Conclusiones:

• La visión por computadora ofrece un enfoque prometedor y menos subjetivo para analizar pruebas de armas de fuego.
• Esta tecnología puede proporcionar datos complementarios en las investigaciones forenses.
• El desarrollo de la IA en la ciencia forense es crucial para avanzar en las investigaciones criminales.