Reconocimiento de texto en imágenes usando aprendizaje profundo para personas con discapacidad visual
Resumen
El acceso a la información escrita constituye una dificultad para las personas con discapacidad visual, debido a que los textos presentes en documentos, imágenes y señalizaciones pueden limitar su independencia y generar dependencia de terceros. La investigación tuvo como objetivo mejorar la accesibilidad y autonomía de las personas con discapacidad visual mediante el desarrollo de un sistema de reconocimiento de texto en imágenes basado en aprendizaje profundo. Se realizó una investigación aplicada, de nivel explicativo y diseño cuasiexperimental con pretest y postest, en una muestra de 30 participantes seleccionados mediante muestreo por conveniencia. Para el desarrollo de la solución tecnológica se empleó la metodología CRISP-DM. Los resultados mostraron que la precisión del reconocimiento aumentó de 41.82 % a 80.19 %, el tiempo de procesamiento disminuyó de 15.39 a 2.98 segundos, el número promedio de tareas realizadas sin asistencia externa aumentó de 5.93 a 14.93 y la satisfacción del usuario se incrementó de 2.02 a 4.57 puntos. Se concluyó que el sistema basado en aprendizaje profundo mejoró significativamente la accesibilidad y autonomía de las personas con discapacidad visual, favoreciendo el reconocimiento de información escrita, la eficiencia del procesamiento y la realización independiente de tareas.
Descargas
Citas
Alsultan, O. K. T., & Mohammad, M. T. (2023). A deep learning-based assistive system for the visually impaired using YOLO-V7. Revue d’Intelligence Artificielle, 37(4), 901–906. https://doi.org/10.18280/ria.370409
Ben Atitallah, A., Ben Atitallah, M. A., Said, Y., Albekairi, M., Boudabous, A., Alanazi, T. M., Kaaniche, K., & Atri, M. (2023). An efficient text recognition system from complex color image for helping the visually impaired persons. Computer Systems Science and Engineering, 46(1), 701–717. https://doi.org/10.32604/csse.2023.035871
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. SPSS.
Comisión Económica para América Latina y el Caribe. (2022). Personas con discapacidad e inclusión laboral en América Latina y el Caribe: Principales desafíos y respuestas de política pública. CEPAL. https://repositorio.cepal.org/handle/11362/48735
Dasari, S. K., & Mehta, S. (2022). Text detection and recognition using fusion neural network architecture. In 2022 8th International Conference on Advanced Computing and Communication Systems (ICACCS). IEEE. https://doi.org/10.1109/ICACCS54159.2022.9785137
Feilong, L. (2021). Design and implementation of natural scene text recognition system based on deep learning. In 2021 3rd International Conference on Artificial Intelligence and Advanced Manufacture. ACM. https://doi.org/10.1145/3495018.3495323
Ganesan, J., Azar, A. T., Alsenan, S., Kamal, N. A., Qureshi, B., & Hassanien, A. E. (2022). Deep learning reader for visually impaired. Electronics, 11(20), 3335. https://doi.org/10.3390/electronics11203335
Gopalan, M., Rosinger, K., & Ahn, J. (2020). Use of quasi-experimental research designs in education research: Growth, promise, and challenges. Review of Research in Education, 44, 218–243. https://doi.org/10.3102/0091732X20903302
Hussan, M. I. T., Saidulu, D., Anitha, P. T., Manikandan, A., & Naresh, P. (2022). Object detection and recognition in real time using deep learning for visually impaired people. International Journal of Electrical and Electronics Research, 10(2), 80–86. https://doi.org/10.37391/IJEER.100205
Instituto Nacional de Estadística e Informática. (2022). Perú: Caracterización de las condiciones de vida de la población con discapacidad, 2020. INEI. https://www.gob.pe/institucion/inei/informes-publicaciones/6025488-peru-caracterizacion-de-las-condiciones-de-vida-de-la-poblacion-con-discapacidad-2020
Kantipudi, M. P., Kumar, S., & Jha, A. (2021). Scene text recognition based on bidirectional LSTM and deep neural network. Computational Intelligence and Neuroscience, 2021, Article 2676780. https://doi.org/10.1155/2021/2676780
Kumar, L., Kushwaha, A. S., & Jain, A. (2024). An auditory system interface for augmented accessibility: Empowering the visually impaired. Engineering Proceedings, 62(1), 8. https://doi.org/10.3390/engproc2024062008
Langde, P., Patil, S., & Langde, P. (2024). Automating document narration: A deep learning-based speech captioning system for visually impaired person. International Journal of Intelligent Systems and Applications in Engineering, 12(23s), 2794–2810.
Nasir, H. M., Brahin, N. M. A., Aminuddin, M. M. M., Mispan, M. S., & Zulkifli, M. F. B. (2021). Android-based application for visually impaired using deep learning approach. IAES International Journal of Artificial Intelligence, 10(4), 879–888. https://doi.org/10.11591/ijai.v10.i4.pp879-888
Nianogo, R., Benmarhnia, T., & O’Neill, S. (2023). A comparison of quasi-experimental methods with data before and after an intervention: An introduction for epidemiologists and a simulation study. International Journal of Epidemiology. https://doi.org/10.1093/ije/dyad032
Ouali, I., Ben Halima, M., & Wali, A. (2023). An augmented reality for an Arabic text reading and visualization assistant for the visually impaired. Multimedia Tools and Applications, 82, 43569–43597. https://doi.org/10.1007/s11042-023-14880-6
Rafael Rosales, C. K., Salazar Minchan, J. E., & Ortiz Porras, J. E. (2025). Diseño e implementación de un dispositivo electrónico para asistencia de lectura de textos impresos mediante visión computacional para personas con discapacidad visual. Ingeniería Industrial, 48, 241–261. https://doi.org/10.26439/ing.ind2025.n48.7607
Sebastiani Ronquillo, M. R., Bazualdo Fiorini, E. R., & Sánchez Soto, J. M. (2023). Competencias digitales en escolares peruanos con discapacidad visual: Análisis y perspectivas. Horizontes. Revista de Investigación en Ciencias de la Educación, 7(28), 942–957. https://doi.org/10.33996/revistahorizontes.v7i28.565
Yataco Marín, R. M. (2022). Tiflotecnología y el acceso a la información de las personas con discapacidad visual. Fénix, 50, 76–90. https://doi.org/10.51433/fenix-bnp.2022.n50.p76-90
Yousif, A. J., & Al-Jammas, M. H. (2024). A lightweight visual understanding system for enhanced assistance to the visually impaired using an embedded platform. Diyala Journal of Engineering Sciences. https://doi.org/10.24237/djes.2024.1731071
Derechos de autor 2026 Mirko Martin Manrique Ronceros , Juan Pablo Sánchez Chávez, Carlos Alfredo Gil Narvaez, Guillermo Edward Gil Albarrán, Camilo Ernesto Suárez Rebaza
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
