Sistema detector de somnolencia usando Deep Learning e IoT para reducir accidentes vehiculares

Abstract

Con el propósito de disminuir los accidentes de tráfico causados por conductores somnolientos, se desarrolló una solución IoT que consta de un prototipo robótico con la ayuda de un modelo de Deep Learning capaz de detectar el estado de somnolencia de una persona a través de una malla facial, identificando la posición de los párpados. Este prototipo está integrado a un Sistema Web, el cual registra las incidencias de sueño en tiempo real, proporcionando una forma de monitorear al conductor, ya que además posee la capacidad de geolocalizarlo y así saber su paradero actual. Es importante destacar que este Sistema Web cuenta con un gestor básico de usuarios, donde se espera que cada usuario registrado tenga un dispositivo IoT asociado para que se le haga el monitoreo respectivo. Los resultados de las pruebas realizadas al sistema detector de somnolencia, que utiliza Deep Learning e IoT, muestran su funcionalidad para el fin creado. El prototipo robótico exhibe un valor promedio de usabilidad del 93.46%, una vida útil de 2 años y una eficiencia promedio del 80%. En cuanto al Software, es altamente usable con un valor promedio del 88.03%, es portable entre la mayoría de dispositivos y navegadores actuales, es mantenible y presenta una eficiencia promedio de 85.82 puntos. Por otro lado, el dispositivo robótico muestra una portabilidad del 46.6%, atribuible a su condición de prototipo, susceptible de mejoras en futuras investigaciones. A pesar de esto, el equipo construido supera las expectativas en la detección de la somnolencia en conductores de taxi.