Sistema Inteligente Basado en YOLOv9 para la Detección de Emociones en Entornos Educativos

Resumen

La detección automática de emociones en entornos académicos representa un reto relevante para el desarrollo de sistemas inteligentes orientados al bienestar estudiantil. Este trabajo evalúa comparativamente YOLOv8 y YOLOv9 sobre un conjunto balanceado de más de 8,000 imágenes faciales en cinco categorías emocionales: felicidad, neutral, enojo, tristeza y sorpresa. La solución se implementó en una plataforma web que articula captura, entrenamiento, evaluación e inferencia en tiempo real mediante Node.js, React y FastAPI. Los resultados experimentales muestran que YOLOv9 obtiene un desempeño superior, con precisión de 0.7110, mejora relativa de 8.01%, reducción del error de localización de 38.72% y un tiempo total de inferencia de 152.1 ms, lo que representa una disminución del 44% frente a YOLOv8. En conjunto, los hallazgos confirman que PGI y GELAN aportan ventajas medibles en precisión y eficiencia, especialmente en tareas de reconocimiento emocional.