1 Detección del uso de mascarillas mediante Visión Artificial y Redes Neuronales frente al Covid-19 Detection of facial masks using Artificial Vision and Neural Networks to avoid contagion of Covid-19 Detecção do uso de máscaras por meio de Visão Artificial e Redes Neurais contra Covid- 19 Geldres Marchena Teodoro Alberto 1 , Córdova Alva Fatima del Rocio 2 , Izaga Ruiz Jhoselem Danuska 3 , Layza Escobedo Jorge Luis 4 , Rodriguez Salirrosas Juleisy Arlette 5 , Gavelán Terry Piero Jesús 6 , Resumen En el presente artículo se planteó como objetivo buscar la detección del uso de la mascarilla en las personas mediante un programa de visión artificial, aplicando el modelo de redes neuronales, donde se identifica si la persona lleva la mascarilla, así buscando un aporte para la mitigación y reducción de casos de contagio del Covid- 19. Además, se utiliza el lenguaje Python junto con Frameworks como TensorFlow para la ejecución de las redes neuronales entrenadas y librerías como Keras y Sklearn, utilizadas principalmente en el proceso de aprendizaje. Parte de la metodología se enfocó en la descarga y clonación de materiales, creación y entrenamiento de la red neuronal, la preparación de Anaconda junto con Jupyter Notebook para la verificación del sistema. En los resultados encontramos que la programación detectó correctamente mediante un medio local, usando el Google Colab, para lo cual se tomó como referencia un banco de imágenes preestablecido y se realizó el reconocimiento. Por otra parte, se utiliza Jupyter Notebook para la detección mediante video en tiempo real. Por último, se concluye que se logró detectar dos tipos de imágenes de personas que están usando o no mascarilla con las variables “mask” y “no mask”, mediante el entrenamiento de las redes neurales con un batch size de 8, steps de 50 y epochs de 25, con un resultado de classification loss de 0.2120. Palabras clave: Mascarilla, Programación, Redes Neuronales, Visión Artificial. Abstract The objective of this article was to seek the detection of the use of the mask in people through an artificial vision program, applying the neural network model, where it is identified if the person wears the mask, thus seeking a contribution to mitigation and reduction of cases of contagion of Covid-19. In addition, the Python language is used together with Frameworks such as TensorFlow for the execution of trained neural networks and libraries such as Keras and Sklearn, used mainly in the learning process. Part of the methodology focused on the download and cloning of materials, creation and training of the neural network, the preparation of Anaconda together with Jupyter Notebook for the verification of the system. In the results we found that the programming correctly detected through a local medium, using Google Colab, for which a pre-established image bank was taken as a reference and the recognition was carried out. On the other hand, Jupyter Notebook is used for real-time video detection. Finally, it is concluded that it was possible to detect two types of images of people who are wearing or not wearing a mask with the variables "mask" and "no_mask", by training neural networks with a batch size of 8, steps of 50 and epochs of 25, with a classification loss result of 0.2120. Keywords: Mask, Programming, Neural Networks, Computer Vision. Resumo O objetivo deste artigo foi buscar a detecção do uso da máscara em pessoas através de um programa de visão artificial, aplicando o modelo de rede neural, onde é identificado se a pessoa usa a máscara, buscando assim uma 1 Escuela de Ingeniería Industrial. Magister. Universidad Privada del Norte. Trujillo. Perú. ryan.leon@upn.edu.pe. https://orcid.org/0000-0002-0599-0141 2 Escuela de Ingeniería Industrial. Estudiante. Universidad Privada del Norte. Trujillo. Perú. fatima.cordovalva@gmail.com. https://orcid.org/0000-0001-6727-3976 3 Escuela de Ingeniería Industrial. Estudiante. Universidad Privada del Norte. Trujillo. Perú. jhoselemizaga@gmail.com. https://orcid.org/0000-0003-0990-4316 4 Escuela de Ingeniería Industrial. Estudiante. Universidad Privada del Norte. Trujillo. Perú. jorgeluislaes01@gmail.com. https://orcid.org/0000-0002-3501-6745 5 Escuela de Ingeniería Industrial. Estudiante. Universidad Privada del Norte. Trujillo. Perú. arlette.200320@gmail.com. https://orcid.org/0000-0001-5642-4185 6 Escuela de Ingeniería Industrial. Estudiante. Universidad Privada del Norte. Trujillo. Perú. pierojgavelan@gmail.com. https://orcid.org/0000-0002-8014-0905 Recibido: 20/02/2022 Aceptado: 16/05/2022 ARTÍCULO ORIGINAL INGnosis. 2022;8(1): 01-09