Please use this identifier to cite or link to this item:
http://www.dspace.espol.edu.ec/handle/123456789/62314Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Criollo Bonilla, Ronald Raúl, Director | - |
| dc.contributor.author | Barco Gaspar, Alan Xavier | - |
| dc.contributor.author | Gudiño Pacha, Paul Mauricio | - |
| dc.creator | ESPOL.FIEC | - |
| dc.date.accessioned | 2024-10-20T16:44:05Z | - |
| dc.date.available | 2024-10-20T16:44:05Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Barco Gaspar, A. X. y Gudiño Pacha, P. M. (2024). Desarrollo de una solución tecnológica para la detección y notificación de caídas utilizando TinyML. [Proyecto Integrador]. ESPOL.FIEC . | - |
| dc.identifier.uri | http://www.dspace.espol.edu.ec/handle/123456789/62314 | - |
| dc.description | Las caídas representan un riesgo significativo para la salud, especialmente entre personas mayores y aquellos con condiciones médicas, donde una respuesta tardía puede tener consecuencias graves. Este proyecto se enfoca en desarrollar una solución tecnológica para la detección y notificación de caídas, con el objetivo de ofrecer una respuesta rápida en situaciones de emergencia. Se plantea la hipótesis de que el uso de TinyML en dispositivos portátiles puede mejorar la precisión y rapidez en la detección de caídas, justificando así su implementación en sistemas de emergencia. Para el desarrollo, se utilizó el microcontrolador Xiao Sense Seeed, seleccionada por su tamaño y capacidad para almacenar modelos de inteligencia artificial. Se creó un conjunto de datos propio para entrenar un modelo de detección de caídas, que fue implementado en el dispositivo. Este se alojó junto a una batería recargable en una carcasa impresa en 3D, y se sujeta al bíceps mediante una correa ajustable. Además, se integró un modelo de inteligencia artificial en un microcontrolador adicional para el reconocimiento de una palabra clave, permitiendo al usuario activar manualmente el sistema de emergencia en situaciones críticas. El modelo alcanzó una efectividad del 76%, y la notificación mediante la aplicación móvil fue eficaz para enviar alertas a un servicio de emergencias preestablecido. Palabras clave: Xiao Sense Seeed, Inteligencia Artificial, alerta de emergencia, seguridad. | - |
| dc.format | application/pdf | - |
| dc.format.extent | 49 página | - |
| dc.language.iso | spa | - |
| dc.publisher | ESPOL.FIEC | - |
| dc.rights | openAccess | - |
| dc.subject | Xiao Sense Seeed | - |
| dc.subject | Inteligencia Artificial | - |
| dc.subject | Alerta de emergencia | - |
| dc.subject | seguridad | - |
| dc.title | Desarrollo de una solución tecnológica para la detección y notificación de caídas utilizando TinyML | - |
| dc.type | Ingeniero en Ciencias de la Computación | - |
| dc.identifier.codigoespol | T-76967 | - |
| dc.description.city | Guayaquil | - |
| dc.description.degree | Escuela Superior Politécnica del Litoral | - |
| dc.identifier.codigoproyectointegrador | TECH-356 | - |
| dc.description.abstractenglish | Falls represent a significant health risk, especially among older people and those with medical conditions, where a delayed response can have serious consequences. This project focuses on developing a technological solution for fall detection and notification, with the aim of offering a rapid response in emergency situations. It is hypothesized that the use of TinyML in wearable devices can improve the accuracy and speed of fall detection, thus justifying its implementation in emergency systems. For the development, the Xiao Sense Seeed microcontroller was used, selected for its size and capacity to store artificial intelligence models. A proprietary dataset was created to train a fall detection model, which was implemented in the device. This was housed together with a rechargeable battery in a 3D printed housing, and was attached to the biceps by an adjustable strap. In addition, an artificial intelligence model was integrated into an additional microcontroller for the recognition of a keyword, allowing the user to manually activate the emergency system in critical situations. The model achieved 76% effectiveness, and notification via the mobile app was effective in sending alerts to a pre-established emergency service. Keywords: Xiao Sense Seeed, Artificial Intelligence, emergency alert, security | - |
| Appears in Collections: | Tesis de Computación | |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| T-76967 TECH-356 BARCO-GUDIÃ O.pdf | 1.63 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.