dc.contributor.advisor |
Tapia León, Freddy Mauricio |
|
dc.contributor.author |
Collahuazo Collahuazo, José Danilo |
|
dc.contributor.author |
Farinango Medina, Paola Cristina |
|
dc.date.accessioned |
2024-06-13T23:26:59Z |
|
dc.date.available |
2024-06-13T23:26:59Z |
|
dc.date.issued |
2024 |
|
dc.identifier.citation |
Collahuazo Collahuazo, José Danilo y Farinango Medina, Paola Cristina (2024). Implementación de un sistema de alerta temprana para la seguridad física en la Universidad de las Fuerzas Armadas ESPE con visión artificial para la detección de armas de fuego. Carrera de Tecnologías de la Información. Universidad de las Fuerzas Armadas ESPE. Matriz Sangolquí. |
es_ES |
dc.identifier.other |
058644 |
|
dc.identifier.uri |
http://repositorio.espe.edu.ec/handle/21000/38038 |
|
dc.description.abstract |
En un contexto mundial donde la amenaza de la violencia armada se intensifica, la expansión de armas de fuego se presenta como un peligro creciente a escala global. Este desafío, sin embargo, no es ajeno a nuestra realidad. En Ecuador, nos enfrentamos a la necesidad de abordar la creciente amenaza de la violencia armada. En respuesta a esta urgencia, se propone un sistema innovador de alerta temprana para la seguridad física en la Universidad de las Fuerzas Armadas ESPE. Este sistema, basado en visión artificial, busca lograr la detección efectiva de armas de fuego, resaltando características distintivas y el uso apropiado de las tecnologías con beneficio a la sociedad.
El desarrollo de este sistema se distribuyó en dos puntos claves, el primero en la creación de una red neuronal convolucional precisa y eficiente; y el segundo, el diseño de una interfaz que, combinada con la red neuronal creada en el punto anterior, le dan un valor agregado en la interacción de la herramienta con el personal a cargo del monitoreo.
El sistema incorporo técnicas y herramientas como Roboflow para el procesamiento de las imágenes de armas de fuego, centrándose en la segmentación de las imágenes y asignación de la correspondiente etiqueta. Para llevar a cabo el proceso se utilizó el modelo de entrenamiento YOLOv5 con el fin de crear un algoritmo de aprendizaje automático para la detección en tiempo real, programado en Python. Este enfoque busca elevar la presión y eficacia del sistema. Finalmente, se comprueba la presión del modelo, con una presión del 95% de efectividad, además de implementar el modelo a un prototipo de monitoreo facilitado la robustez y confiabilidad en su uso. |
es_ES |
dc.language.iso |
spa |
es_ES |
dc.publisher |
Universidad de las Fuerzas Armadas ESPE. Carrera de Tecnologías de la Información. |
es_ES |
dc.rights |
openAccess |
es_ES |
dc.subject |
VISIÓN ARTIFICIAL |
es_ES |
dc.subject |
DETECCIÓN DE ARMAS |
es_ES |
dc.subject |
REDES NEURONALES CONVOLUCIONALES |
es_ES |
dc.subject |
ALERTA TEMPRANA |
es_ES |
dc.subject |
INSTITUCIÓN EDUCATIVA |
es_ES |
dc.title |
Implementación de un sistema de alerta temprana para la seguridad física en la Universidad de las Fuerzas Armadas ESPE con visión artificial para la detección de armas de fuego |
es_ES |
dc.type |
bachelorThesis |
es_ES |