Modelo de visión artificial para el reconocimiento de la Lengua de Señas Mexicana

En el mundo existen millones de personas con discapacidad auditiva o del habla que enfrentan barreras comunicativas y sociales, lo que limita su plena integración. En respuesta a esta problemática, el presente trabajo propone un modelo de visión artificial para el reconocimiento de la Lengua de Señas Mexicana (LSM) basado en aprendizaje profundo, con el propósito de favorecer la inclusión social y educativa de personas con discapacidad auditiva. El estudio se estructura conforme al formato IMRaD (Introducción, Métodos, Resultados y Discusión), detallando los materiales, métodos, resultados y discusión. Se desarrolló un modelo de red neuronal convolucional entrenado con un conjunto de datos de 24 letras del alfabeto manual de la LSM, conformado por 12 000 imágenes procesadas en escala de grises (40×40 px). Se evaluaron métricas de precisión, recall, F1-Score y matriz de confusión, obteniendo una precisión global del 93 %. El trabajo incorpora además el enfoque de Design Thinking en la etapa de diseño centrado en el usuario, complementado con una metodología experimental de aprendizaje automático para la validación técnica. Los resultados muestran la viabilidad del modelo para aplicaciones educativas e interactivas, constituyendo una herramienta accesible para el reconocimiento automatizado de señas estáticas.