xmlui/handle/123456789/13 Producción académica de la escuela. 2026-07-31T16:01:55Z xmlui/handle/123456789/721 Instance Segmentation for Automated Pineapple Counting Lopez, Nayarit; Herrera, Rodrigo; Calvo, Andrés; Guzman, Daniel; Galeno, Isabell; Valverde, Jeffry; Pappa, Joaquín Este artículo presenta un enfoque innovador de segmentación por instancias para el conteo automatizado de flores de piña mediante imágenes capturadas con drones. La metodología propuesta utiliza Mask R-CNN entrenado con un conjunto de datos personalizado obtenido en plantaciones de piña de Costa Rica, con el fin de mejorar la estimación del rendimiento y la planificación logística de la cosecha. La innovación del trabajo se fundamenta en tres contribuciones principales: (1) la creación de un conjunto de datos propio recopilado en condiciones agrícolas reales, (2) el desarrollo de un script en Python para convertir cuadros delimitadores (*bounding boxes*) en máscaras poligonales para segmentación por instancias y (3) la implementación de un robusto proceso de aumento de datos (*data augmentation*) adaptado a imágenes de cultivos de alta densidad. Los resultados experimentales muestran que el modelo con mejor desempeño (V4) alcanzó una precisión (*Precision*) del 99,2 %, una exhaustividad (*Recall*) del 82,3 %, una puntuación F1 del 90,0 % y una exactitud (*Accuracy*) del 82,3 %, demostrando un rendimiento sólido incluso bajo condiciones de iluminación variable y oclusión. Estos hallazgos evidencian la viabilidad de integrar técnicas de visión por computadora en aplicaciones agrícolas prácticas, reduciendo el trabajo manual y mejorando la planificación logística. Como trabajo futuro, se propone explorar modelos ensamblados (Mask R-CNN + YOLOv8), adaptar arquitecturas Segment Anything (SAM) y ampliar el conjunto de datos para incluir diversas condiciones climáticas y etapas de crecimiento. 2026-06-01T00:00:00Z xmlui/handle/123456789/720 Propuesta de marco de gobernanza para el uso responsable de plataformas de inteligencia artificial en Pymes de Costa Rica Avila Madriz, Oscar La adopción de inteligencia artificial (IA) en las pequeñas y medianas empresas (Pymes) costarricenses avanza con rapidez, pero sin lineamientos claros que orienten su uso responsable. Esta ausencia de gobernanza expone a las organizaciones a riesgos asociados con privacidad, sesgos algorítmicos, seguridad de la información y cumplimiento normativo. El objetivo de esta investigación es diseñar un marco de gobernanza para el uso responsable de plataformas de inteligencia artificial en las Pymes de Costa Rica, considerando sus limitaciones técnicas, organizativas y económicas. Para ello, se desarrolló una revisión sistemática de la literatura utilizando el proceso metodológico de Biolchini y consultas directas a fuentes institucionales oficiales. Se analizaron estándares internacionales como ISO/IEC 42001:2023, el NIST AI RMF (2023), el AI Act europeo, los lineamientos éticos de la OCDE y la Estrategia Nacional de IA 2024–2027. Los hallazgos evidencian la existencia de principios ampliamente aceptados, como la gestión del riesgo, la transparencia, la responsabilidad y la ética, pero también una falta de guías prácticas adaptadas a las Pymes. A partir de estos hallazgos, se diseñó un marco de gobernanza estructurado en cinco componentes: gobernanza organizacional, gestión del riesgo de inteligencia artificial, ética y transparencia, protección de datos y seguridad de la información, y supervisión y mejora continua. La pertinencia y aplicabilidad del marco propuesto se validará mediante juicio de expertos con experiencia en ciberseguridad, gobernanza tecnológica e inteligencia artificial. Por ello, se concluye que es necesario un modelo de gobernanza progresivo, accesible y contextualizado que permita a las Pymes implementar IA de manera segura, ética y alineada con estándares globales. Este trabajo establece las bases para su diseño, representando un aporte pertinente para el ecosistema empresarial costarricense. 2026-04-01T00:00:00Z xmlui/handle/123456789/719 "Propuesta de un sistema de monitoreo y detección de eventos de seguridad para tráfico de red en dispositivos IoT residenciales utilizando una arquitectura cloud en AWS Arias Quesada, Oscar En el contexto residencial actual, el crecimiento exponencial de dispositivos IoT ha multiplicado los vectores de ataque sobre las redes domésticas, exponiendo datos sensibles y recursos críticos a amenazas persistentes. Frente a esta realidad, la presente tesis propone un sistema integral de monitoreo y detección de eventos de seguridad centrado en el análisis de tráfico de red generado por dispositivos IoT residenciales. Utilizando servicios de AWS para la ingestión de datos, se diseña una canalización escalable que captura, analiza y verifica flujos de red, permitiendo la identificación temprana de patrones anómalos mediante una serie de reglas predefinidas. La propuesta contempla un módulo de gestión centralizada que analiza alertas, además de un sistema de notificaciones automatizadas ante incidentes críticos. El enfoque combina criterios de desempeño, costo y cumplimiento de buenas prácticas de seguridad en la nube, garantizando alta disponibilidad y tolerancia a fallos. Se valida la eficacia del sistema mediante pruebas de intrusión simuladas y escenarios de ataque reales, demostrando una postura de defensa proactiva en entornos domésticos inteligentes. 2026-04-01T00:00:00Z xmlui/handle/123456789/718 Estrategias de Ciberseguridad para la Protección de Datos en el Sector Salud: Un Enfoque Comparativo y Multiorganizacional Azofeifa Porras, Jimena María El presente anteproyecto aborda la problemática creciente de la ciberseguridad en el sector salud costarricense, destacando la falta de un estudio integral que compare las vulnerabilidades y capacidades de protección de datos entre organizaciones públicas y privadas de distintos tamaños. Ante el aumento de ciberataques en el país y la dependencia tecnológica del sistema de salud, se plantea la necesidad de desarrollar estrategias prácticas, adaptadas y basadas en estándares internacionales como ISO 27001. La investigación tiene un enfoque descriptivo, correlacional y propositivo, buscando identificar brechas en la gestión de la seguridad de la información, analizar el grado de cumplimiento normativo y proponer lineamientos adaptados al contexto nacional. A través de una revisión sistemática de 30 estudios científicos y técnicos, se evidenció una desigualdad en la aplicación de medidas de seguridad, con mayor madurez en el sector público y deficiencias notorias en instituciones privadas pequeñas. Los resultados revelan que las principales debilidades del sistema incluyen la falta de capacitación, escasos recursos financieros, baja percepción del riesgo y dependencia de proveedores externos. Para enfrentar estos desafíos, se propone un modelo progresivo de implementación de ciberseguridad que combina medidas técnicas, educativas y organizacionales. Este modelo permite que cada institución avance gradualmente desde controles básicos, como autenticación y respaldo seguro, hacia estrategias avanzadas de detección, cifrado y recuperación ante desastres. En síntesis, la investigación busca fortalecer la protección de datos de los pacientes, promoviendo una cultura de seguridad digital sostenible y alineada con las capacidades reales del sistema de salud costarricense. Su aporte radica en ofrecer una guía práctica y adaptable que contribuya a elevar la resiliencia cibernética del sector, mejorando la confianza, la continuidad operativa y el cumplimiento regulatorio. 2026-06-01T00:00:00Z