Desarrollo de una solución tecnológica para la detección y notificación de caídas utilizando TinyML

Barco Gaspar, Alan Xavier; Gudiño Pacha, Paul Mauricio

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Computación
→
View Item

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