Jennifer Samanta Hurtado-Caina
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Jennifer Samanta Hurtado-Caina has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Juan Carlos Chiza
Universidad Nacional de Chimborazo
4 shared publications - Angel David Males-Villegas1 shared publication
- Dayanara Yánez-Arcos
Centro de Investigación de Ciencias Humanas y de la Educación (CICHE), Universidad Indoamérica, Ambato 180103, Ecuador
1 shared publication - Hugo Yánez-Rueda
Universidad Tecnológica Indoamérica
1 shared publication - Jacqueline del Pilar Villacís-Guerrero
Universidad Indoamérica
1 shared publication - Klever Hernán Torres Rodríguez
Universidad Nacional de Chimborazo
1 shared publication
Latest Publications
- Open Access
- 6 July 2026
- Published by Revista Científica Multidisciplinar G-ner@ndo in Revista Científica Multidisciplinar G-NER@NDO
- Vol. 7 (2)
Modelo matemático y sistema de clasificación automática mediante visión artificial para la clasificación de tornillos, tuercas y arandelas en residuos tecnológicos
La acumulación masiva de residuos de aparatos eléctricos y electrónicos (RAEE) exige soluciones eficientes e innovadoras dentro de la ingeniería de reciclaje automatizado. Pero, la clasificación manual de componentes metálicos pequeños resulta lenta, subjetiva y propensa a errores por fatiga operaria, mientras que las arquitecturas de aprendizaje profundo demandan un elevado costo computacional. Para abordar esta problemática, el estudio tuvo como objetivo general evaluar y validar un modelo matemático-computacional de visión artificial fundamentado en la extracción de un vector característico continuo en R¹⁷ y la comparación entre clasificadores de proximidad (KNN, k=3) y de margen máximo no lineal (SVM-RBF, C=10, γ=scale) para la automatización de la clasificación multiclase de tornillos, tuercas y arandelas en residuos tecnológicos, demostrando la superioridad de SVM-RBF al alcanzar un accuracy del 97,33 % y un F1 macro del 97,85 % con significación estadística χ^2 10,3214,p = 0,0013). La metodología contempló una población analítica de N=3.145 objetos procesados mediante un pipeline riguroso de extracción de 17 variables distribuidas en subespacios de delimitación espectral, topología de contorno y momentos invariantes de Hu, estandarizadas por puntuación Z y validadas mediante intervalos Bootstrap al 95 % y la prueba de McNemar. Los resultados evidenciaron que SVM-RBF superó significativamente a KNN (accuracy global de 97,33 % vs. 94,33 %; F1 macro de 97,85 % vs. 94,89 %), logrando además un 100 % de precisión perfecta en la discriminación de arandelas. Por tal razón, la representación vectorial unificada en R¹⁷ junto a SVM-RBF ofrece un marco geométrico ligero, interpretable y riguroso, idóneo para su despliegue en sistemas embebidos de reciclaje industrial.
- 6 July 2026
- Published by Revista Científica Multidisciplinar G-ner@ndo in Revista Científica Multidisciplinar G-NER@NDO
- Vol. 7 (2)
Open AccessModelo matemático y sistema de clasificación automática mediante visión artificial para la clasificación de tornillos, tuercas y arandelas en residuos tecnológicos
La acumulación masiva de residuos de aparatos eléctricos y electrónicos (RAEE) exige soluciones eficientes e innovadoras dentro de la ingeniería de reciclaje automatizado. Pero, la clasificación manual de componentes metálicos pequeños resulta lenta, subjetiva y propensa a errores por fatiga operaria, mientras que las arquitecturas de aprendizaje profundo demandan un elevado costo computacional. Para abordar esta problemática, el estudio tuvo como objetivo general evaluar y validar un modelo matemático-computacional de visión artificial fundamentado en la extracción de un vector característico continuo en R¹⁷ y la comparación entre clasificadores de proximidad (KNN, k=3) y de margen máximo no lineal (SVM-RBF, C=10, γ=scale) para la automatización de la clasificación multiclase de tornillos, tuercas y arandelas en residuos tecnológicos, demostrando la superioridad de SVM-RBF al alcanzar un accuracy del 97,33 % y un F1 macro del 97,85 % con significación estadística χ^2 10,3214,p = 0,0013). La metodología contempló una población analítica de N=3.145 objetos procesados mediante un pipeline riguroso de extracción de 17 variables distribuidas en subespacios de delimitación espectral, topología de contorno y momentos invariantes de Hu, estandarizadas por puntuación Z y validadas mediante intervalos Bootstrap al 95 % y la prueba de McNemar. Los resultados evidenciaron que SVM-RBF superó significativamente a KNN (accuracy global de 97,33 % vs. 94,33 %; F1 macro de 97,85 % vs. 94,89 %), logrando además un 100 % de precisión perfecta en la discriminación de arandelas. Por tal razón, la representación vectorial unificada en R¹⁷ junto a SVM-RBF ofrece un marco geométrico ligero, interpretable y riguroso, idóneo para su despliegue en sistemas embebidos de reciclaje industrial.
- 17 February 2026
- Published by Springer Nature
- p. 149-161
Risks and Ethical Challenges of Emotional Intelligence in Conversational Agents
- 17 February 2026
- Published by Springer Nature
- p. 149-161
Risks and Ethical Challenges of Emotional Intelligence in Conversational Agents
- 17 February 2026
- Published by Springer Nature
- p. 163-175
Attitudes Toward Artificial Intelligence in Urban Ecuadorian Populations
- 17 February 2026
- Published by Springer Nature
- p. 163-175
Attitudes Toward Artificial Intelligence in Urban Ecuadorian Populations
- 17 February 2026
- Published by Springer Nature
- p. 135-148
Research Trends in Mixed Reality for Cognitive Aging: A Bibliometric Perspective
- 17 February 2026
- Published by Springer Nature
- p. 135-148
Research Trends in Mixed Reality for Cognitive Aging: A Bibliometric Perspective
- 17 February 2026
- Published by Springer Nature
- p. 77-96
Dual Regimes of Nonlinear Energy Dynamics in FPUT Lattices: From Recurrence to Chaos in Communication-Oriented Systems
- 17 February 2026
- Published by Springer Nature
- p. 77-96
Dual Regimes of Nonlinear Energy Dynamics in FPUT Lattices: From Recurrence to Chaos in Communication-Oriented Systems