Cerezuela Escudero, ElenaRíos Navarro, José Antonio2025-07-112025-07-112025-04-04Canas Moreno, S. (2025). Una contribución basada en VLSI para la recopilación de datos en tiempo real mediante IA neuromórfica: una aplicación al scouting deportivo. (Tesis Doctoral Inédita). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/175245La hipótesis en la que se basa esta tesis doctoral, es que se puede realizar una contribución al scouting deportivo, automatizando la recogida de datos de eventos físi- cos deportivos (movimiento de una pelota, posición de una persona, etc) utilizando un enfoque propio de la ingeniería neuromórfica, además de técnicas de AI/ML (Artificial Intelligence/Machine Learning) con hardware VLSI (Very Large-Scale Integration). En particular, el principal objetivo es contribuir al avance de los sistemas de scouting de-portivo actuales mediante el uso de la inteligencia artificial y dispositivos inspirados en la ingeniería neuromórfica. Si bien existen investigaciones y soluciones software para automatizar la recolección de datos y generación de estadísticas en el ámbito del scou- ting deportivo, este trabajo explora nuevos enfoques desde la perspectiva de las redes neuronales y las cámaras de visión neuro-inspiradas. Para ello se sigue un proceso analítico en el que se estudian diversos enfoques basados en técnicas consolidadas y ampliamente utilizadas en el campo de la visión por computador, como las redes neuronales convolucionales, los algoritmos de tracking y otros métodos relevantes. Los resultados obtenidos con el enfoque basado en técnicas consolidadas de visión por computador, mencionados previamente, muestran ciertas limitaciones ante diferentes problemáticas. Por lo tanto, se decide profundizar en el desarrollo de un siste- ma neuromórfico que complemente y mejore este enfoque. Dicho sistema neuromórfico se centra en el uso de una cámara por eventos, también conocida como retina artificial o simplemente retina. La integración de esta tecnología neuro-inspirada con los métodos tradicionales de visión artificial da lugar a un sistema heterogéneo con un gran potencial para abordar los desafíos del análisis deportivo. Finalmente, se presenta una comparación del sistema resultante en diferentes tipos de hardware: CPU, GPU (de escritorio y empotrada) y TPU. Esta comparación viene a demostrar el tipo de hardware en el que el sistema desarrollado se comporta de manera más eficiente, esto es, menor latencia, menor consumo energético, menor utilización de recursos, entre otros.application/pdf186 p.spaAttribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccess