juerodriguez/icnea

Hi there I'm Juan Elias Rodriguez👋

---

About Me

I am a mechatronics engineer with a strong passion for solving complex problems through innovative solutions. My expertise spans across various fields including mechanics, electronics, and systems engineering. I thrive on leading tech projects and continuously learning new technologies.

Tools

• Languages and frameworks:
  • Python, Flask, Fastapi, streamlit, matplotlib, selenium, pandas, os
  • Java, Springboot
  • Typescript, Angular
  • NodeRed
• Database and analytics tools:
  • SQL, PostgreSQL, MySQL, Redis, InfluxDB
  • PowerBI, datawarehouse
• Artificial intelligence :
  • OpenCV, Yolov5, Yolov8, ultralytics, roboflow
  • LLM
• Infraestructure:
  • Docker, Compose, Github Actions
  • Grafana
  • Google Cloud Computing
  • Linux, bash, SSH, Firewall, Nmap, cryptography, IP protocols
• Mechanics:
  • Solidworks, Autocad, design
  • Maintance, calibration, soldering, craft habilities
  • CNC programing and manipulation
• Electric:
  • Electrical installations
• Electronic:
  • Electronic design, requirements analysis
• Project Management
  • Miro, Canvas, Excel, Word, Jira, PowerBI.
  • Prompt Engineering, Agile, Kanban, Design Thinking.

Projects

Sistema de monitoreo ambiental para red de laboratorios

• Descripción: Sistema web para monitorizar condiciones ambientales de humedad y temperatura en una red de laboratorios en INTI.
• Herramientas: Node-RED, Docker, JavaScript, MQTT, ESP32, Python, InfluxDB
• Fecha: 2024
• URL: https://www.linkedin.com/feed/update/urn:li:activity:7190836736925585409/

Proyecto de Detección de Rostros

• Descripción: Sistema de detección de rostros para agrupar fotos de personas en un datalake.
• Herramientas: Python, OpenCV
• Fecha: 2024

Proyecto de Detección de Caídas

• Descripción: Sistema Web para detectar caídas con una camara el cual al detectar envia alertas a telegram.
• Herramientas: FastAPI, Python, OpenCV, Docker, Telegram Bot, Redis
• Fecha: 2024

Proyecto de Lector de Código de Barras

• Descripción: Sistema de lectura de códigos de barras usando python y OpenCV.
• Herramientas: Python, OpenCV
• Fecha: 2024

Proyecto de Instagram Web Scraping

• Descripción: Web scraping en Instagram.
• Herramientas: Selenium, Python
• Fecha: 2023
• URL: https://github.com/Juerodriguez/nonfollowers_searcher

Proyecto Precio de Casas Web Scraping

• Descripción: Web scraping para obtener precios de casas.
• Herramientas: Selenium, Python, Pandas
• Fecha: 2023
• URL: https://github.com/Juerodriguez/price_houses

Proyecto Icnea de Detección de Herramientas en Pañol

• Descripción: Sistema de detección de herramientas.
• Herramientas: FastAPI, Python, Redis, Docker, Raspberry, OpenCV
• Fecha: 2022 - 2023
• URL: https://www.linkedin.com/feed/update/urn:li:activity:7069008704603381760/

Proyecto Llankay Portal de Empleos

• Descripción: Portal de empleos.
• Herramientas: Flask, Python, PostgreSQL, Docker, Angular
• Fecha: 2022

Proyecto Administrador de Expedientes Legales

• Descripción: Sistema de administración de expedientes legales.
• Herramientas: web2py, Python
• Fecha: 2021
• URL: https://github.com/PyAr/OpenLex

Proyecto Algoritmo PID para Evitar Colisiones en Robot de Laberintos

• Descripción: Algoritmo PID para evitar colisiones.
• Herramientas: Arduino
• Fecha: 2020

Proyecto de Construcción de Banco de Prueba para Estabilización PID

• Descripción: Banco de prueba para estabilización PID.
• Herramientas: Arduino, Ingeniería de Control, SolidWorks
• Fecha: 2019
• URL: https://www.youtube.com/watch?v=dlhDATuz9C8&ab_channel=JuanEliasRodriguez

Proyecto Construcción de Fresadora CNC

• Descripción: Construcción de una fresadora CNC.
• Herramientas: Sketchup, Autocad, Arduino
• Fecha: 2017

Skills and Technologies

• Programming Languages: Python, JavaScript, C, JAVA
• Frameworks and Libraries: FastAPI, Flask, Angular, Node-RED, OpenCV, Pandas, Selenium, Springboot
• Databases: PostgreSQL, MySQL, InfluxDB, Redis
• Development Tools: Docker, Linux, Git, CUDA, Cmake, Arduino
• Analitycs Tools: SQL, PowerBI, Datawarehouse.
• Other: RAG, MQTT, ESP32, Raspberry, SolidWorks, AutoCAD

Contact

• Email: [email protected]
• LinkedIn: https://www.linkedin.com/in/juerodriguez/

---

Thank you for visiting my portfolio! Feel free to contact me if you have any questions or if you would like to collaborate on a project.

icnea's Issues

Contenerizar API con las dependencias de CUDA

Aplicar tecnica de inferencia por Batch para optimizar por GPU

Para primero debe exportar correctamente el modelo ONNX para que puede inferir batch de imagenes y no solo imagenes individuales.

https://answers.opencv.org/question/224547/dnn-onnx-model-with-variable-batch-size/

Investigar Docker Node.js para Backend

Tareas asincronas Celery

Separar en dos tareas asincronas:

1- Que procese el video

2- Que genere reporte (estado de mesa, ausencia de herramienta)

Ordenar las rutas

Se debe ordernar las rutas del proyecto de manera que sea sencillo para los desarrolladores nuevos acoplarse:

Propuesta:

icnea

run.py
training_utils
app

test
main

controllers
settings
utils

Arreglar result.csv (No se ven los resultados)

Entrenar con nano (exp8)

Añadir ONNX (best)

Aplicar Integracion Continua y codercov en controladores

Vincular camara con API

Vincular camara

Usar Middleware timing para tests

https://fastapi-utils.davidmontague.xyz/user-guide/timing-middleware/

No esta corriendo inferencia con GPU

El algoritmo nos lanza un warn en el que nos avisa que hace el cambio a CPU
[ WARN:[email protected]] global /io/opencv/modules/dnn/src/net_impl.cpp (179) setUpNet DNN module was not built with CUDA backend; switching to CPU

Autenticacion de usuarios

Arreglar errores de UDP (Raspberry)

Modularizar con Blueprint

Para cerrar

• Implementar unos cuantos tests mas para llegar al al punto en cual solo quede la ejecucion de funciones y depedencias con Nvidia.
• Optimizar los stages implementando el caching de las dependencias.
• Implementar el compilado de la imagen Docker.
• Investigar como realizar el test con Nvidia Docker, para esto se propone las siguientes preguntas:

1. Github posee runner con Nvidia?
2. De no ser asi se deberia ejecutar la Integracion continua en un runner propio o se puede mockear?

Convertir todas las funciones en Asincronas

Documentar recolección de datos

Diseño de la maqueta de prueba

Registro de usuarios

capturar excepciones de VideoCapture

Custom Swagger api

Optimizar tiempo de ejecucion de inferencias

Crear set de datos definitivo

Tomar fotos de todas las herramientas a detectar y luego etiqeutarlas con label-studio

Desarrollar tests

Testear inferencias

Probar el funcionamiento de FastApi con OpenCV

Tarea que genere reporte

Con la logica para tomar las etiquetas, sus coordenadas y decir si esta la mesa de trabajo ocupada y si estan presentes las herramientas y cual falta. Luego dejar para el front el calculo del tiempo.

Desarrollar algoritmo de Analisis de predicciones

Error al ejecutar ONNX exportado de yolov5

Error:

icnea-server_3.0 | File "/code/./app/main/router/stream_routes.py", line 55, in get_image
icnea-server_3.0 | net = cv2.dnn.readNetFromONNX(model)
icnea-server_3.0 | cv2.error: OpenCV(4.6.0) ../modules/dnn/src/onnx/onnx_importer.cpp:1040: error: (-2:Unspecified error) in function 'handleNode'
icnea-server_3.0 | > Node [[email protected]]:(onnx_node!/model.24/Split) parse error: OpenCV(4.6.0) ../modules/dnn/src/layers/slice_layer.cpp:235: error: (-215:Assertion failed) splits > 0 && inpShape[axis_rw] % splits == 0 in function 'getMemoryShapes'

Solucion: ultralytics/yolov5#10665 (comment)

Originally posted by @ZaWarudo111 in ultralytics/yolov5#10665 (comment)

Mejorar detalle de funciones docstring

Optimizacion con Pandas

Se probo optimizar con dataframes pero no fue posible debido a que en los tests de comparacion de asignacion de datos a un dataframe y asignando valores a multiples listas, termino siendo mas costosa el uso de dataframes.

La prueba simple que se realizo fue la siguiente:

`import time
import pandas as pd

if name == "main":

detections = pd.DataFrame(columns=['a', 'b', 'c'])

a= []
b = []
c = []
ini1 = time.time()
for i in range(10):
    a.append(i)
    b.append(i)
    c.append(i)

fin = time.time()
print(fin - ini1)

ini2 = time.time()

for i in range(10):
    new_df = pd.DataFrame([{
        'a': i,
        'b': i,
        'c': i
    }])

    detections = pd.concat([detections, new_df], ignore_index=True)

print(detections)
fin2 = time.time()
print(fin2 - ini2)`

Encapsular configuracion

Encapsular las variables de configuracion de la aplicacion en una clase Config

• Se debe usar Pydantic para dar el esquema de configuracion

Añadir alarmas y responsive en celulares

El profesor solicita que desde un celular se pueda acceder a la pagina, aunque sea que muestre las alarmas... si se puede, que tambien muestre las detecciones en imagenes. La misma debe ser responsive tanto para pc como para celular.

Desarrollar el diseño de la carcasa del dispositivo Icnea

El diseño será de tipo 3D y se subirarn a este repositorio los STL para su posterior impresión con filamento plástico.