Diseño e implementación de un sistema portable para el registro de consumo de agua potable y energía eléctrica mediante procesamiento de imágenes
Con el objetivo de optimizar procesos y ahorrar recursos es fundamental la implementación de nuevas tecnologías en los sectores estratégicos que mayor prioridad da el país, una de estas es la Inteligencia Artificial (AI, del inglés Artificial Intelligence), que permite a una máquina imitar funciones...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Weitere Verfasser: | |
| Format: | bachelorThesis |
| Sprache: | spa |
| Veröffentlicht: |
2023
|
| Schlagworte: | |
| Online Zugang: | http://repositorio.espe.edu.ec/handle/21000/36732 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Tag hinzufügen | Zusammenfassung: | Con el objetivo de optimizar procesos y ahorrar recursos es fundamental la implementación de nuevas tecnologías en los sectores estratégicos que mayor prioridad da el país, una de estas es la Inteligencia Artificial (AI, del inglés Artificial Intelligence), que permite a una máquina imitar funciones cognitivas humanas. La AI tiene varias especializaciones como la Visión Artificial (AV, del inglés Artificial Vision), esta tecnología proporciona a un sistema la capacidad de ver, analizar y actuar. Actualmente, existen varios proyectos que permiten optimizar los procesos de registro de lectura en los medidores de energía eléctrica o agua potable, como la implementación de la telemetría, sin embargo, esta tecnología es dependiente de redes LPWAN y energía eléctrica además que reduce plazas de empleo, es por ello que en el presente proyecto de investigación se desarrolló un sistema portable para el registro de consumo de agua potable y energía eléctrica mediante el procesamiento de imágenes, este sistema está compuesto por tres bloques: pre clasificador, clasificador y detector, considerando el Transfer Learning se usó el modelo de MobileNet V2 garantizando la compatibilidad con aplicaciones móviles. Estos bloques fueron programados en Google Colab Pro, una vez entrenados los modelos de ML fueron exportados como archivos de Tensorflow Lite e implementados en una aplicación Android, la cual permite tomar una fotografía y realizar el reconocimiento de un medidor para posteriormente extraer la lectura del consumo y enviarla a Cloud Firestore, una base de datos limitada en la nube, esta información se puede observar en una página web alojada en un servidor local. Las métricas de desempeño son menores al 5% en el caso de las pérdidas y mayor al 97% de exactitud para cada bloque. |
|---|