En el desafiante y complejo entorno submarino, la capacidad de un vehículo para interpretar su medio es fundamental. Este Trabajo Fin de Grado (TFG) aborda la integración de un sistema de reconocimiento de patrones en un Vehículo Submarino Autónomo (AUV), centrándose especialmente en la detección de personas en entornos acuáticos. Todo ello con un objetivo muy claro: potenciar las misiones de búsqueda y rescate. El proyecto aborda los retos que presenta el medio submarino para el procesamiento visual; hablamos de problemas tan complejos como la baja visibilidad, la iluminación limitada y las distorsiones ópticas que afectan gravemente la calidad de las imágenes. Para superar estos obstáculos, se ha adoptado con determinación un enfoque basado en el aprendizaje profundo, seleccionando para la detección de objetos la potente arquitectura YOLOv11n. Además, empleamos la técnica de transfer learning y un dataset específico, el "Drowning Detection", para entrenar y ajustar el modelo. El sistema de visión, implementado en Python, se integró de forma fluida con un modelo de simulación de AUV desarrollado en MATLAB, estableciendo una comunicación bidireccional muy efectiva para el intercambio y análisis de imágenes en tiempo real simulado. Las pruebas exhaustivas realizadas en este entorno simulado demostraron la viabilidad del sistema. Los resultados fueron muy satisfactorios, con una Precisión del 90% y un Recall del 87%, confirmando su capacidad para detectar personas en diversas secuencias de vídeo. Este proyecto sienta unas bases sólidas para futuras mejoras y, lo que es más importante, para su potencial implementación en entornos reales.
Excepto si se señala otra cosa, la licencia del ítem se describe como Attribution-NonCommercial-NoDerivatives 4.0 Internacional