Sistema de detección de incendios basado en tecnología IoT y procesamiento de imágenes
Loading...
Date
2025-09-15
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca
Abstract
This curricular integration project presents the development of an intelligent system for the early detection and warning of forest fires, motivated by the increase of these events in Ecuador during dry seasons such as those recorded in 2024. The system combines IoT technologies and image processing, integrating a digital camera, environmental sensors, a GPS module, 4G connectivity, and optimized algorithms to operate in real-time on low-cost hardware, adapted to rural or hard-to-reach areas. Fire detection algorithms based on color spaces and IA were implemented and evaluated, from which a hybrid solution emerged that combines Method 9 (YOLOv8) and Method 12 (PJF, RGB, and YCbCr chromatic spaces). This method was validated in a controlled environment under three representative conditions: high illumination, visual interference, and standard conditions, as described in Section 4.4. The system achieved outstanding metrics in high illumination, key in fires caused by drought, obtaining an ACC of 99.82 %, a TPR of 99.64 %, and a TNR of 100.00 %, as summarized in Table 5.4. Additionally, an air quality sensor was integrated to detect PM2.5 particles above 100µg/m³, which allowed for the validation of smoke presence and the reduction of false positives. The system operated with a consumption of 519.9mA, a CPU usage of 38.3 %, and a temperature below 39.3°C thanks to an automatic ventilation system, representing a reliable, precise, and scalable solution for the early detection of forest fires.
Resumen
Este trabajo de integración curricular presenta el desarrollo de un sistema inteligente de detección y alerta temprana de incendios forestales, motivado por el aumento de estos eventos en Ecuador durante épocas de sequía como las registradas en 2024. El sistema combina tecnologías IoT y procesamiento de imágenes, integrando cámara digital, sensores ambientales, módulo GPS, conectividad 4G y algoritmos optimizados para operar en tiempo real sobre hardware de bajo costo, adaptado a zonas rurales o de difícil acceso. Se implementaron y evaluaron algoritmos de detección de fuego basados en espacios de color e Inteligencia Artificial (IA), de cuyo análisis surgió una solución híbrida que combina el Método 9 (YOLOv8) y el Método 12 (espacios cromáticos PJF, RGB y YCbCr). Este método fue validado en un entorno controlado mediante tres condiciones representativas: alta iluminación, interferencia visual y condiciones estándar, como se describe en la Sección 4.4. El sistema alcanzó métricas destacadas en alta iluminación, clave en incendios por sequía, obteniendo un ACC de 99.82%, TPR de 99.64% y TNR de 100.00%, como se resume en la Tabla 5.4. Además, se integró un sensor de calidad del aire para detectar partículas PM2.5 superiores a 100µg/m³, lo que permitió validar la presencia de humo y reducir falsos positivos. El sistema funcionó con un consumo de 519.9mA, uso de CPU de 38.3 % y temperatura inferior a 39.3°C gracias a un sistema de ventilación automática, representando una solución confiable, precisa y escalable para detección temprana de incendios forestales.
Keywords
Ingeniería Electrónica, Sistemas embebidos, Lógica difusa
Citation
Código de tesis
TET; 167
Código de tesis
Grado Académico
Ingeniero en Telecomunicaciones