Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.uta.edu.ec/jspui/handle/123456789/37742
Título : Sistema electrónico de notificación de emergencias basado en IoT para la asistencia médica a personas de la tercera edad.
Autor : Castro Martin, Ana Pamela
Guamán Egas, Jefferson Ismael
Palabras clave : MACHINE LEARNING
EDGE IMPULSE
SISTEMA IOT
DETECCION DE CAIDAS
Fecha de publicación : mar-2023
Editorial : Universidad Técnica de Ambato. Facultad de Ingeniería en Sistemas, Electrónica e Industrial. Carrera de Ingeniería en Electrónica y Comunicaciones
Resumen : In the present work, a system with IoT architecture is implemented that allows detecting and alerting falls in older adults, these events being of great incidence in this group of people; In addition, vital signs are monitored. A bracelet type device was designed with the ESP32 development board with the MPU6050 sensor for fall detection and the MAX30100 and MLX90614 sensors for monitoring heart rate, oxygen saturation and body temperature. For fall detection, models based on "Machine Learning" are created using the "open source" platform Edge Impulse. To create the model, 10 participants were drawn: 5 men and 5 women. Each participant made 5 types of falls, each fall was repeated 10 times, obtaining 50 for each participant, in a similar way activities of daily living carried out by an elderly person were implemented. For the mobile application, Flutter compatible with Android and IOS was brought, different widgets were programmed for the development of the graphical interface to build sensor data, user information, create alerts on the status of vital signs at an interval of time and to present the history of alerts. Dependencies such as "provider" were used to manage the state of the application, allowing control of connectivity and incoming messages through the MQTT protocol. To alert the caregiver of the elderly, push notifications based on Google's own "Firebase Cloud Messaging" architecture are used. An IoT device was obtained based on a microcontroller with the ability to: connect to the WiFi network to send data to a server; run the "Machine Learning" model for fall detection; monitor heart rate, oxygen saturation and body temperature through the wrist; and generate automatic alerts on the cell phone through the application.
Descripción : En el presente trabajo se implementa un sistema con arquitectura IoT que permite detectar y alertar caídas de adultos mayores, siendo estos eventos de gran incidencia en este grupo de personas; además, se realiza el monitoreo de signos vitales. Se diseñó un dispositivo tipo pulsera con la tarjeta de desarrollo ESP32, con el sensor MPU6050 para la detección de caídas, mientras que, con los sensores MAX30100 y MLX90614 monitorea la frecuencia cardiaca, saturación de oxígeno y temperatura corporal. Para la detección de caídas se crea modelos basados en “Machine Learning” usando la plataforma “open source” Edge Impulse. Para crear el modelo se utilizó 10 participantes: 5 hombres y 5 mujeres. Cada participante realizó 5 tipos de caídas, cada caída fue repetida por 10 veces obteniendo 50 caídas por cada participante, de forma similar se implementó actividades de la vida diaria que realiza una persona de la tercera edad. Para la construcción de una aplicación móvil se utilizó Flutter compatible con Android e IOS. Se programó distintos widgets para el desarrollo de la interfaz gráfica a fin de presentar los datos de los sensores, información del usuario, crear alertas sobre el estado de los signos vitales en un intervalo de tiempo y para presentar el historial de alertas. Se empleo dependencias como “provider” para gestionar el estado de la aplicación permitiendo controlar la conectividad y los mensajes entrantes por medio del protocolo MQTT. Para alertar al cuidador del adulto mayor se utiliza notificaciones push basadas en la arquitectura de “Firebase Cloud Messaging” propias de Google. Se obtuvo un dispositivo IoT en base a un microcontrolador con capacidad de: conectar a la red WiFi para enviar datos a un servidor; ejecutar el modelo de “Machine Learning” para detección de caídas; monitorear la frecuencia cardiaca, saturación de oxígeno y temperatura corporal a través de la muñeca; y generar alertas automáticas en el celular por medio de la aplicación móvil.
URI : https://repositorio.uta.edu.ec/jspui/handle/123456789/37742
Aparece en las colecciones: Tesis Ingeniería Electrónica y Comunicaciones

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
t2181ec.pdfTexto completo6,5 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.