Suat Rojas, Néstor E.Montoya Serna, Brayan S.Pinzón Velásquez, Edward M.Rodríguez Galeano, Oscar S.2021-06-162022-06-132021-06-162022-06-132021-06-160121-3709https://repositorio.unillanos.edu.co/handle/001/2773El lenguaje de señas brinda un sistema para que las personas con discapacidad oral/auditiva se comuniquen efectivamente. Sin embargo, aún falta para que el resto de la sociedad se apropie de este conocimiento. Este trabajo consiste en diseñar un método de visión artificial que identifique las señas estáticas del abecedario de la Lengua de Señas Colombiana (LSC). La metodología consiste en un algoritmo de clasificación que combina una arquitectura de Redes Neuronales Convolucionales (CNN) y técnicas de procesamiento de imágenes. Nuestro enfoque logra reconocer las señas del alfabeto sin movimiento con un 79.2% de exactitud. El sistema es capaz de reconocer las letras según la forma, orientación y posición de los dedos de la mano, usando un conjunto de datos desbalanceado por clase.  Sign language provides a system for people with speech or hearing impairments to communicate effectively. However, it is still necessary for the rest of society to appropriate this knowledge. This work consists in designing a computer vision method that recognizes the static signs of the Colombian Sign Language (LSC) alphabet. The methodology consists of a classification algorithm that combines a Convolutional Neural Network (CNN) architecture and image processing techniques. Our approach manages to recognize signs of the alphabet that don’t involve any movement, with 79.2% accuracy. The system is capable of recognizing letters according to the shape, orientation and position of the fingers in each sign, using an imbalanced dataset.application/pdfspaArtículo de revistainfo:eu-repo/semantics/openAccess10.22579/20112629.680Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.2011-2629https://doi.org/10.22579/20112629.680http://purl.org/coar/access_right/c_abf2