<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
Universidad Estatal Península de Santa ElenaPortal UPSE
Repositorio InstitucionalInvestigación y conocimiento abierto

Desarrollo de un sistema integrado entre visión artificial y análisis de conducción de corriente para la detección de microplásticos

dc.contributor.advisorVera González, Sendey Agustín
dc.contributor.authorSoto La Rosa, José Daniel
dc.date.accessioned2026-09-22T20:10:42Z
dc.date.available2026-09-22T20:10:42Z
dc.date.issued2026-09-22
dc.description.abstractEste proyecto integra un sistema para la detección de microplásticos en entornos acuáticos, para ello combina la visión artificial usando redes neuronales convolucionales mayormente llamadas CNN con un conjunto de sensores para la medición de valores tales como: temperatura, conductividad TDS, capacitancia diferencial, voltaje, corriente y por último, potencia. El sistema se implementa sobre una Raspberry Pi 4, la cual es tomada como una unidad central de procesamiento y adquisición de datos. La CNN, entrenada en PC y convertida a TensorFlow Lite, clasifica imágenes en tiempo real con una precisión del 84.1 % en pruebas reales sobre Raspberry Pi, alcanzando un 99.0 % en validación durante el entrenamiento. Así mismo, se construyó un sensor híbrido basado en un circuito RC y un monitor INA219 para la toma de capacitancia, complementado con un FDC1004. Las pruebas experimentales se realizaron en agua destilada y agua salada (~ 35,000 ppm) con concentraciones de 0 g, 5 g y 10 g de microplásticos. En agua destilada, el sensor híbrido presentó valores de capacitancia de 0.0204 µF (0 g), 0.0214 µF (5 g) y 0.0217 µF (10 g), con una sensibilidad de 0.000150 µF/g y un coeficiente de determinación R² de 0.97. En agua salada, los valores fueron de 0.0292 µF (0 g), 0.0298 µF (5 g) y 0.0301 µF (10 g), con una sensibilidad de 0.000080 µF/g y un R² de 0.94. La fusión de datos permite clasificar el entorno (aire, objeto, agua) dependiendo de la capacitancia obtenida y reducir los falsos positivos. El sistema integrado alcanza una precisión global del 85.8 %, con un tiempo de respuesta de 90 ms por frame y una reducción de falsos positivos del 75 % en comparación con la CNN sola. Los resultados de las pruebas experimentales demuestran la viabilidad del sistema para monitoreo continuo de microplásticos en tiempo real.
dc.identifier.citationSoto La Rosa, José Daniel (2026). Desarrollo de un sistema integrado entre visión artificial y análisis de conducción de corriente para la detección de microplásticos. La Libertad UPSE, Matriz. Facultad de Sistemas y Telecomunicaciones. 108p.
dc.identifier.otherUPSE-TEA-2026-018
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/17357
dc.language.isospa
dc.pages108 p.
dc.publisherLa Libertad: Universidad Estatal Península de Santa Elena, 2026
dc.rightsopenAccess
dc.rights.licenseAttribution-NonCommercial-NoDerivs 3.0 United Statesen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/
dc.subjectMICROPLÁSTICOS
dc.subjectVISIÓN ARTIFICIAL
dc.subjectTENSORFLOW LITE
dc.subjectCAPACITANCIA HÍBRIDA
dc.subjectFUSIÓN DE SENSORES
dc.subjectRASPBERRY PI
dc.subjectROBÓTICA SUBMARINA
dc.titleDesarrollo de un sistema integrado entre visión artificial y análisis de conducción de corriente para la detección de microplásticos
dc.typeinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
UPSE-TEA-2026-018.pdf
Tamaño:
3,72 MB
Formato:
Adobe Portable Document Format
Descripción:
TRABAJO DE INTEGRACIÓN CURRICULAR

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
1,71 KB
Formato:
Item-specific license agreed upon to submission
Descripción: