Sistema de detección de humo basado en visión por computador y técnicas de procesamiento digital de imágenes para la seguridad en situaciones de emergencia en tiempo real.

Abstract

La presente investigación tiene como objetivo principal desarrollar un sistema de detección de humo basado en cámaras y procesamiento de imágenes, enfocado en mejorar la precisión y eficiencia en la identificación temprana de situaciones de emergencia por incendios. La metodología abarca la configuración de un entorno de desarrollo en Visual Studio, la implementación del algoritmo YOLOv8 para detección de objetos y el uso de recursos locales y Google Colab para el procesamiento intensivo de imágenes.

Durante la fase de boceto del hardware, se seleccionó y configuró una cámara IP de vigilancia para la captura de imágenes en tiempo real, asegurando una cobertura efectiva y calidad de imagen. En el diseño de software, se configuraron entornos virtuales en Python, aprovechando bibliotecas clave como OpenCV y Ultralytics para el procesamiento y análisis de imágenes. La implementación de técnicas incluyó el entrenamiento de la red neuronal con conjuntos de datos de humo-Fuego y no humo, ajustando hiperparámetros para lograr una detección precisa.

Los resultados obtenidos muestran avances significativos en la detección de humo, aunque se identifican oportunidades para mejorar la precisión del modelo. La infraestructura de hardware y software proporcionó un entorno de trabajo eficiente, y la integración de Google Colab permitió gestionar recursos computacionales adicionales de manera efectiva.

En conclusión, la investigación logra avanzar en el desarrollo de un sistema robusto de detección de humo, destacando la importancia de la integración de hardware y software optimizados. Las lecciones aprendidas y las áreas de mejora identificadas proporcionan un marco valioso para futuras investigaciones en este campo.