Browsing by Author "De Ángel Feria, Connie"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Open Access
    Sistema de seguridad perimetral basado en un modelo TinyML para la detección de armas en la Base de Entrenamiento de Infantería de Marina
    Benítez Retamoza, Saray Paola; De Ángel Feria, Connie; Sánchez Hernández, Sergio Antonio; Morales Acosta, Alex David
    La vigilancia en instalaciones de infantería de marina enfrenta importantes desafíos asociados a la dependencia de monitoreo manual, la susceptibilidad al error humano y la cobertura de extensas áreas que dificultan una supervisión continua y efectiva. Estas limitaciones reducen la capacidad de respuesta ante amenazas y evidencian la necesidad de incorporar sistemas automatizados e inteligentes que fortalezcan los mecanismos de seguridad. En este contexto, el objetivo principal de la investigación fue desarrollar un sistema de visión computacional basado en inteligencia artificial para la detección de armas en tiempo real, optimizado para su implementación en dispositivos embebidos de bajo costo. La metodología consistió en el diseño, entrenamiento y despliegue de un modelo de detección de objetos basado en redes neuronales convolucionales, empleando la arquitectura MobileNetV2 bajo el enfoque FOMO. El entrenamiento se llevó a cabo en la plataforma Edge Impulse utilizando un conjunto de datos de 2.808 imágenes con resolución de 160×160 píxeles. Posteriormente, el modelo fue cuantizado a formato INT8 para su ejecución en la tarjeta ESP32-S3-CAM con cámara OV2640, considerando las restricciones de memoria, procesamiento y calidad de imagen propias del dispositivo. Los resultados evidencian un desempeño adecuado del sistema, alcanzando una precisión (Precision) de 0.62 y un recall de 0.51, con capacidad de inferencia en tiempo real. En cuanto al alcance, se lograron detecciones efectivas en un rango aproximado entre 8 cm y 2 metros, siendo más confiables en distancias cortas. El desempeño del sistema se ve influenciado por factores como la iluminación, la resolución del sensor y la complejidad del entorno. En conclusión, el estudio demuestra la viabilidad de implementar soluciones de detección de amenazas basadas en inteligencia artificial en dispositivos embebidos de bajo costo, logrando un equilibrio entre eficiencia computacional y desempeño en tiempo real. A pesar de las limitaciones del hardware y del sensor de cámara, se obtuvieron resultados satisfactorios hasta distancias de 2 metros, lo cual es relevante considerando las restricciones del sistema. No obstante, se requiere optimizar el modelo y mejorar las condiciones de captura para aumentar la robustez y precisión en escenarios operativos reales.