Ayuda
Ir al contenido

Dialnet


Sistema de cámaras para la detección de mascarillas con Python y Raspberry PI con comunicación inalámbrica a través del sistema global de comunicación móvil (GSM)

    1. [1] Universidad Politécnica Salesiana

      Universidad Politécnica Salesiana

      Cuenca, Ecuador

  • Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 33, Nº. 3 (Junio), 2022, págs. 23-30
  • Idioma: español
  • Títulos paralelos:
    • Face mask detection camera system using Python, Raspberry PI using wireless communication and the global system for mobile communication (GSM)
  • Enlaces
  • Resumen
    • español

      En este estudio se presenta el diseño de un detector de mascarilla por medio de una cámara controlada por un Raspberry PI con Python que genera alertas en caso de detectar a personas que no usen correctamente la mascarilla durante la pandemia de COVID-19. Se utiliza una cámara de seguridad y comunicación inalámbrica a través de GSM (Global System for Mobile Communication). El detector con inteligencia artificial se implementa en el edificio “La Joya” de la Universidad Politécnica Salesiana (Ecuador). El aprendizaje del modelo se realiza por épocas. Los resultados muestran que en la época 20, la precisión y prueba de exactitud del modelo llegan a 1. De igual forma, la pérdida (Loss) de datos llega en la época 20 a tener una pérdida de datos de 0. Se concluye que el sistema de detección de mascarilla permite monitorear un área determinada, proporcionando un mejor cuidado de los estudiantes durante la pandemia de COVID-19.

    • English

      This study presents the design of a face mask detector that uses a camera, controlled by Raspberry PI with Python, which generates alerts when detecting people not properly wearing face masks during the COVID-19 pandemic. The system uses a security camera and GSM (Global System for Mobile Communication) Wireless communication. The face mask detector equipped with artificial intelligence is implemented in the "La Joya" building at the Salesian Polytechnic University (Ecuador). The learning model is developed in stages. The results show that at stage 20, the accuracy and the test accuracy of the model reaches one. Similarly, data loss achieves zero at stage 20. It is concluded that the face mask detection system successfully monitors a specific area, improving the safety of students attending classes during the COVID-19 pandemic.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno