INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
Entérate cómo entregar tus trabajos de titulación
Permanent URI for this collection
TECNOLOGÍAS DE LA INFORMACIÓN
Browse
Browsing INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN by Author "Carrillo Zambrano, Adrián Danilo"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Open Access 
Prototipo de IOT basado en Tinyml en esp32-s3 para conteo automático de pasajeros en una parada de transporte rural(PUCE - Ibarra, 2026) Carrillo Zambrano, Adrián Danilo; Guerra Torrealba, Laura RosaEl servicio de transporte rural compartido de la ruta Bolívar - El Ángel, operado por la compañía TAXIBOCARCHI en la provincia del Carchi, Ecuador, funciona bajo un esquema que exige completar una cuota mínima de pasajeros antes de iniciar cada recorrido. La ausencia de un mecanismo que contabilice y notifique automáticamente el número de personas presentes en la parada genera tiempos de espera indeterminados para los pasajeros y una gestión ineficiente de las unidades, mientras que los sistemas de monitoreo convencionales resultan inviables por su alto costo e infraestructura compleja. Ante esta problemática, el presente trabajo tuvo como objetivo general desarrollar un prototipo de sistema IoT basado en Edge Computing y TinyML, mediante el microcontrolador XIAO ESP32-S3 Sense, para el conteo automático de pasajeros y la mejora de la coordinación operativa del servicio. Metodológicamente, el modelo de detección de objetos FOMO (Faster Objects, More Objects) se entrenó y se cuantizó a formato int8 en la plataforma Edge Impulse y se desplegó para ejecutar la inferencia localmente en el ESP32-S3. El nodo transmite únicamente el conteo numérico, nunca las imágenes, preservando así la privacidad de los usuarios, hacia un backend doble (Flask y NestJS) que persiste los eventos en Firebase Firestore, emite alertas mediante Telegram a los conductores y los expone en un panel web de monitoreo desarrollado bajo la metodología Scrum. La validación se ejecutó mediante 18 casos de prueba sobre los cuatro módulos del sistema. Los resultados muestran que el modelo alcanzó un F1 Score de 88.3 %, superando el umbral del 85 % establecido, con una huella de 69.4 KB de RAM y 68.9 KB de Flash y una latencia de inferencia de 314 ms. El flujo extremo a extremo, desde la captura hasta la visualización en el panel, se completó en 4.2 segundos, por debajo del criterio de 5 segundos; los 14 requisitos funcionales y los 18 casos de prueba se cumplieron en su totalidad, y la prueba de usabilidad arrojó un tiempo promedio de 87 xv segundos, inferior al máximo aceptable de 120 segundos. Se concluye que el prototipo cumplió los objetivos planteados y demuestra la viabilidad de aplicar TinyML y Edge Computing al conteo de pasajeros sobre hardware de bajo costo y de forma respetuosa con la privacidad. Se recomienda re-entrenar el modelo con imágenes capturadas en la propia ruta y bajo condiciones ambientales variables, ejecutar pruebas de robustez y avanzar hacia un despliegue piloto en condiciones reales de operación.