(PUCE - Ibarra, 2025) Muñoz Villarreal, Marco Antonio; Arciniegas Aguirre, Stalin Marcelo
Este proyecto presenta el desarrollo de un sistema innovador para la identificación automática del mosquito Aedes mediante la implementación de tecnología TinyML. El sistema integra hardware especializado para la captura de señales acústicas emitidas por el mosquito, un modelo de aprendizaje automático para dispositivos de bajo consumo, además se desarrolla una aplicación móvil para la visualización y gestión de datos. La solución propuesta utiliza la plataforma Edge Impulse para el entrenamiento y optimización del modelo, permitiendo una identificación precisa y en tiempo real del mosquito. El prototipo está diseñado para operar de manera autónoma en condiciones de campo, contribuyendo significativamente a la vigilancia entomológica y el control vectorial. Este prototipo busca optimizar las estrategias actuales de prevención y control de enfermedades transmitidas por el Aedes, como el dengue, zika y chikungunya, especialmente en regiones con recursos limitados. La detección temprana de mosquitos permite a las autoridades sanitarias tomar decisiones informadas de manera rápida y efectiva, como la implementación de medidas de control focalizadas o la alerta a la población en zonas de riesgo. Se espera que este prototipo contribuya a reducir la incidencia de enfermedades transmitidas por el Aedes y a mejorar la calidad de vida de las comunidades, especialmente en aquellas con recursos limitados.
