Please use this identifier to cite or link to this item: http://www.dspace.espol.edu.ec/handle/123456789/58172
Title: Sistema de monitorización por imagen integrado en medidores digitales
Authors: Vaccaro, Christopher,, Director
Mena Parrales, Kristel Mylene
Jiménez Villegas, Jasser Alfredo
Keywords: Sistema de monitorización por imagen
Modelos basados en redes neuronales convolucionales
Medidores digitales
Issue Date: 2023
Publisher: ESPOL
Citation: Mena Parrales, K. M. y Jiménez Villegas, J. A. (2023). Sistema de monitorización por imagen integrado en medidores digitales. [Proyecto integrador]. ESPOL. FIEC. .
Description: En la actualidad, la gestión del consumo eléctrico e hídrico es crucial en entornos domésticos e industriales. Aunque los medidores de energía y agua desempeñan un papel fundamental en este control, su lectura y seguimiento suelen depender de terceros, lo que limita la visión detallada de los usuarios sobre sus consumos. Se realizan técnicas de lectura manual de los medidores que requiere la intervención física en cada dispositivo, dicho proceso es propenso a errores y carece de la capacidad de proporcionar datos en tiempo real de manera continua. Ante esta problemática, emergen tecnologías prometedoras como los ordenadores de placa única y las redes neuronales convolucionales. En este contexto, se propone la implementación de un sistema de monitoreo por imagen integrado en los medidores digitales con procesamiento en el borde como solución innovadora. Este sistema consta de una Raspberry Pi 4 como núcleo central acompañada de un módulo de cámara para llevar a cabo la captura de imágenes, detección de sectores de interés, traducción de imagen a texto plano, clasificación de los datos y envío de los datos a plataformas de monitoreo. Mediante modelos basados en redes neuronales convolucionales como YOLOv5, DETECTRON2,y TrOCR se logra la detección y extracción de la información. En síntesis, esta propuesta busca superar las limitaciones de los métodos tradicionales de lectura de medidores digitales al aprovechar avances tecnológicos. Promete mayor precisión, eficiencia y la posibilidad de un monitoreo en tiempo real,lo que impactaría positivamente en la gestión y optimización de recursos energéticos e hídricos.
metadata.dc.description.abstractenglish: Currently, precise management of electrical and water consumption is crucial in domestic and industrial environments. Although energy and water meters play a fundamental role in this control, their reading and monitoring often depend on third parties, limiting users' detailed insight into their consumption. A manual reading technique of the meters is performed, requiring physical intervention on each device. This process is prone to errors and lacks the capability to provide continuous real-time data. In response to this issue, promising technologies such as single-board computers and convolutional neural networks are emerging. In this context, the implementation of an image-based monitoring system integrated into digital meters with edge processing is proposed as an innovative solution. This system consists of a Raspberry Pi 4 as the central core accompanied by a camera module for image capture, detection of areas of interest, image-to-plain-text translation, data classification, and data transmission to monitoring platforms. Through models based on convolutional neural networks such as YOLOv5, DETECTRON2, and TrOCR, precise information detection and extraction are achieved. In summary, this proposal aims to overcome the limitations of traditional meter reading methods by leveraging technological advancements. It promises greater accuracy, efficiency, and the possibility of real-time monitoring, which would have a positive impact on the management and optimization of energy and water resources.
URI: http://www.dspace.espol.edu.ec/handle/123456789/58172
metadata.dc.identifier.codigoproyectointegrador: INGE-2107
Appears in Collections:Tesis de Telemática

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.