Diseño e implementación de un sistema de alerta temprana para la detección de Somnolencia aplicado en distintos entornos ocupacionales basado en inteligencia artificial y visión por computadora.

dc.contributor.advisor Rodríguez Álvarez, Omar Francisco
dc.contributor.advisor Polo Llanos, Aura Margarita
dc.contributor.author Charris Castrillón, Sebastián Manuel
dc.contributor.author Sabogal Peralta , Samuel Andrés
dc.contributor.sponsor Convocatoria para apoyar el desarrollo de trabajos de grado en programas de pregrado 2018 - Vicerrectoria de investigacion, Universidad del Magdalena.
dc.creator.degree Ingeniero Electrónico
dc.date.accessioned 2022-11-30T14:15:50Z
dc.date.available 2022-11-30T14:15:50Z
dc.date.issued 2022
dc.date.submitted 2022
dc.description.abstract En este trabajo de investigación se presenta la implementación de un sistema inteligente de visión por computadora para detectar rasgos de somnolencia en una población especifica dentro de un contexto de productividad de una organización pública o privada. Este prototipo cuenta con la ventaja de no ser invasivo al cuerpo y estructuralmente está construido con componentes de fácil implementación, como una placa raspberry, una cámara digital y una alarma audible, pero con un gran poder de procesamiento. Durante el desarrollo del dispositivo, se optó por comparar dos métodos para determinar la existencia de la fatiga ocular, el primer método parte de un dataset llamado “yawn_eye_dataset_new” tomado de la base de datos de imágenes de kaggle, este contine 726 imágenes para la clase ‘Ojo Abierto’ y 726 imágenes para la clase ‘Ojo Cerrado’, del cual se dividió el 70% de datos para entrenamiento y el 30% para validación. Mediante estos datos se construyó un modelo de red neuronal convolucional de la mano de la metodología de transferencia de aprendizaje para clasificar el estado del ojo y obtener un índice de somnolencia, para evaluar el rendimiento del modelo entrenado se optó por elaborar un set de prueba que contiene 18 imágenes para cada clase. El segundo método, utiliza el modelo de malla facial para obtener la posición del ojo y a su vez usa la relación de aspecto del ojo (Eye Aspect Rate) para medir la distancia que hay en la apertura del globo ocular y de este modo generar un valor medible de somnolencia. Finalmente, el primer método arroja una exactitud del 69% en la predicción y un error del 31%, un porcentaje muy alto para la predicción de un modelo. En cambio, el segundo método presenta un 76% de exactitud en medición del EAR y un error considerablemente bajo del 24%, en comparación con el método uno. En conclusión, el método dos demuestra una mejora en el nivel exactitud y en la disminución del porcentaje de error con respecto al primer modelo desarrollado, porque el EAR acompañado del modelo de malla facial 3D es una manera eficiente de estimar la existencia de la fatiga ocular.
dc.description.provenance Submitted by SEBASTIAN MANUEL CHARRIS CASTRILLON (sebastiancharrismc@unimagdalena.edu.co) on 2022-11-29T22:07:33Z workflow start=Step: reviewstep - action:claimaction No. of bitstreams: 2 BI-F12 - Formato de Licencia de Publicación de Trabajos de Grado.pdf: 475598 bytes, checksum: abe3c633689b1c3955059435093dd640 (MD5) Informe Final de trabajo de investigacion.pdf: 1704663 bytes, checksum: 32c9c8b3ba8538aa076671fe8e28a2bf (MD5) en
dc.description.provenance Step: reviewstep - action:reviewaction Approved for entry into archive by Ingenieria Electronica(ingelectronica@unimagdalena.edu.co) on 2022-11-30T13:45:44Z (GMT) en
dc.description.provenance Step: editstep - action:editaction Approved for entry into archive by Mirlis Bravo(mbravo@unimagdalena.edu.co) on 2022-11-30T14:15:50Z (GMT) en
dc.description.provenance Made available in DSpace on 2022-11-30T14:15:50Z (GMT). No. of bitstreams: 2 BI-F12 - Formato de Licencia de Publicación de Trabajos de Grado.pdf: 475598 bytes, checksum: abe3c633689b1c3955059435093dd640 (MD5) Informe Final de trabajo de investigacion.pdf: 1704663 bytes, checksum: 32c9c8b3ba8538aa076671fe8e28a2bf (MD5) Previous issue date: 2022 en
dc.format text
dc.format picture
dc.identifier.uri https://repositorio.unimagdalena.edu.co/handle/123456789/8910
dc.language.iso es
dc.language.iso en
dc.publisher Universidad Del Magdalena
dc.publisher.department Facultad de Ingeniería
dc.publisher.program Ingeniería Electrónica
dc.rights Acceso Abierto
dc.rights.accessrights info:eu-repo/semantics/openAccess
dc.rights.cc Acceso Abierto
dc.rights.creativecommons atribucionnocomercialsinderivar spa
dc.subject Somnolencia
dc.subject Salud ocupacional
dc.subject Redes neuronales convolucionales
dc.subject Transferencia de aprendizaje
dc.subject Visión por computador
dc.title Diseño e implementación de un sistema de alerta temprana para la detección de Somnolencia aplicado en distintos entornos ocupacionales basado en inteligencia artificial y visión por computadora.
dc.type bachelorThesis
dc.type researchProposal
oaire.accessrights http://purl.org/coar/access_right/c_abf2
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
BI-F12 - Formato de Licencia de Publicación de Trabajos de Grado.pdf
Size:
464.45 KB
Format:
Adobe Portable Document Format
Description:
Restringida
No Thumbnail Available
Name:
Informe Final de trabajo de investigacion.pdf
Size:
1.63 MB
Format:
Adobe Portable Document Format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.43 KB
Format:
Item-specific license agreed upon to submission
Description: