Listado de capacidades

La tecnología es un dosificador de agua, nutrientes y bioestimulantes controlado, accionado por la temperatura del suelo y los requerimientos de los cultivos, llamado SMART DOWANU La propuesta logrará minimizar el uso de agua de riego en cultivos de agrícolas y forestales, contribuyendo al aumento de la supervivencia de las plantas. La síntesis y obtención está enfocada en un proceso de fácil obtención, teniendo especial detalle en las variables de proceso como temperatura, tipo de agitación, pH entre otras, que estén en rangos económicos a nivel industrial ; materias primas de igual forma económicas y que se puedan adquirir en grandes volúmenes. SMART DOWANU es un producto de presentación sólida embazado en sacos para su fácil transporte y distribución a todo Chile y exterior, con el ánimo que pueda ser usado desde el pequeño agricultor hasta la industria forestal.

Tecnología para medir la calidad ambiental interior en escuelas, beneficiando directamente a la comunidad educativa y contribuyendo al bienestar de niños y docentes.

El software de diseño de máquinas eléctricas tiene un gran potencial de aplicación, desde los centros de investigación hasta la industria. El software ofrece una solución innovadora y eficiente para el análisis y diseño de máquinas eléctricas, permitiendo a las empresas reducir los tiempos y costos de producción, y mejorar la eficiencia energética de los motores. Con nuestro software, los ingenieros y técnicos de la industria podrán simular y analizar diferentes configuraciones de máquinas eléctricas, así como optimizar los parámetros de diseño para lograr un rendimiento óptimo. Además, nuestro software permite la visualización de resultados y la exportación de datos para su posterior análisis y comparación.

El software consiste en dos etapas con modelos de redes neuronales profundas: detección y clasificación facial. Inicialmente, las escenas capturadas por la cámara de vigilancia son enviadas a la primera etapa del sistema, el Detector Facial, el cual corresponde a un modelo de la arquitectura de red neuronal YOLOv7 entrenado exclusivamente para detectar rostros. Posteriormente, estos rostros son enviados a la segunda etapa, donde son identificados mediante el Clasificador Facial (basado en la arquitectura de red neuronal profunda FaceNet) que se encarga de comparar las características esenciales de la imagen con las características fundamentales de los rostros de la base de datos. Finalmente, la segunda etapa tiene como resultado el nombre del o los individuos que contiene la escena analizada.