Arciniegas Aguirre, Stalin MarceloTorres Benítez, José David2025-09-102025-09-1020255731https://repositorio.puce.edu.ec/handle/123456789/46726El monitoreo eficiente del consumo de agua en entornos residenciales representa una necesidad imperativa. Por lo que, se llevó a cabo una investigación para realizar un sistema automatizado de monitoreo del consumo de agua basado en Internet de las Cosas (IoT) para minimizar el desperdicio del recurso mediante reportes en tiempo real en la ciudad de Ibarra, Ecuador. Para el efecto se empleó una metodología mixta fundamentada en CRISP-DM para el desarrollo de modelos de machine learning, implementando una arquitectura híbrida que integra hardware embebido especializado (NICLA Vision) con procesamiento de inferencia en host mediante YOLOv8-OBB para la detección automática de dígitos en medidores analógicos de agua. Este sistema ya desarrollado alcanzó métricas excepcionales con 99.5% de precisión, 99.4% de recall y 99.3% de mAP@0.5 en la detección de dígitos, con una latencia operativa de 187ms por inferencia. La validación operativa procesó más de 1,000 frames bajo condiciones reales, logrando 86.7% de consistencia en la detección y automatización 24/7 con programación horaria. La integración IoT implementó exitosamente plataformas ThingSpeak y Telegram para telemetría e informaciones instantáneas con latencia menor a 1 segundo. Los resultados demuestran una reducción del 95% en intervención manual, estableciendo una solución técnicamente viable que supera las limitaciones actuales del TinyML embebido mientras proporciona una base sólida para desarrollos futuros en arquitecturas completamente embebidas. El prototipo validó integralmente todos los requisitos funcionales y no funcionales, contribuyendo significativamente al campo de automatización hídrica residencial mediante visión artificial aplicada.esConsumo de aguaMonitoreo automatizadoTelemetríaThesis