DSpace Colección :

Implementación de un sistema de energía eólica de 2.3KW para el abastecimiento energético en un entorno real en la Universidad Nacional de Chimborazo.

2026-09-10T16:36:14Z

Título : Implementación de un sistema de energía eólica de 2.3KW para el abastecimiento energético en un entorno real en la Universidad Nacional de Chimborazo. Autor : Pinos Zamora, Helen Dayanara; Burgos León, Cristopher Fabricio Resumen : El presente trabajo de investigación tuvo como objetivo diseñar, optimizar, instalar y evaluar un sistema de energía eólica de 2.3kW en el Campus Norte de la Universidad Nacional de Chimborazo para determinar su viabilidad técnica y su capacidad de contribuir al abastecimiento energético institucional frente a la intermitencia del suministro convencional. La metodología aplicada posee un enfoque cuantitativo y un diseño experimental, estructurado en cuatro fases secuenciales: el análisis de los datos meteorológicos locales mediante un sistema de adquisición basado en ESP32; la simulación computacional con software especializado (Autodesk inventor, Fusion 360 y ANSYS) y ensayos físicos en túnel de viento de tres tipologías de aerogeneradores de eje vertical (Darrieus, Savonius y H-rotor); el dimensionamiento óptimo de los componentes de regulación y almacenamiento; y el monitoreo del desempeño in situ en el Domo del Proyecto El Arte como Configurador Formal. Los resultados experimentales derivaron en el descarte de los modelos convencionales y justificaron el desarrollo de un Rotor Híbrido definitivo que fusiona la aerodinámica de sustentación perimetral con álabes curvos de paso continuo, incrementando la eficiencia global en un 34% frente a los prototipos estándar y reduciendo la velocidad de arranque mecánico a solo 1.4 m/s. Durante la fase de evaluación en entorno real, se procesaron 18481 muestras continuas, donde el rotor alcanzó una velocidad tangencial máxima de 14.69 m/s, un voltaje máximo de 18.55 V y una potencia neta de 12.72 E ante ráfagas de viento. El análisis estadístico de regresión cuadrática () determinó que la velocidad tangencial explica prácticamente el 100% de la variabilidad de la potencia generada, confirmando así la relación no lineal entre ambas variables. El tren de potencia eléctrica, integrado por un controlador inteligente MPPT y un inversor de onda senoidal pura, adaptó eficientemente la corriente para alimentar las cargas del domo de manera segura. Se concluyó que, si bien la escasez e intermitencia del recurso eólico local alarga los ciclos de carga del almacenamiento, el banco de baterías configurado en 48 V constituye una reserva sólida y factible que actúa de forma impecable como un sistema de respaldo autónomo ante cortes de la red comercial. Descripción : This research aimed to design, optimize, install, and evaluate a 2.3 kW wind energy system at the North Campus of the Universidad Nacional de Chimborazo in order to determine its technical feasibility and its potential contribution to the institutional energy supply during interruptions of the conventional power grid. The study adopted a quantitative approach and an experimental design structured into four sequential phases: analysis of local meteorological data using an ESP32-based data acquisition system; computational simulation using specialized software (Autodesk Inventor, Fusion 360, and ANSYS), complemented by physical wind-tunnel testing of three vertical-axis wind turbine configurations (Darrieus, Savonius, and H-rotor); optimal sizing of the regulation and energy-storage components; and in situ performance monitoring at the Dome of the Art as a Formal Configurator Project. The experimental results led to the rejection of the conventional configurations and supported the development of a hybrid rotor combining perimeter lift aerodynamics with continuously curved-pitch blades. This configuration increased overall efficiency by 34% compared with the standard prototypes and reduced the mechanical start-up wind speed to 1.4 m/s. During the evaluation under real operating conditions, 18,481 continuous samples were processed. The rotor reached a maximum tangential speed of 14.69 m/s, a maximum voltage of 18.55 V, and a maximum net power output of 12.72 W during wind gusts. Quadratic regression analysis (R² = 1) showed that tangential speed accounted for virtually 100% of the variability in generated power, confirming the nonlinear relationship between these variables. The electrical power conversion system, comprising an intelligent maximum power point tracking (MPPT) controller and a pure sine-wave inverter, effectively conditioned the electrical output to safely supply the dome loads. The findings indicate that, although the limited and intermittent local wind resource extends the charging time of the energy-storage system, the 48 V battery bank provides a technically feasible energy reserve and can operate as an autonomous backup system during utility-grid outages.

Diseño e implementación de un sistema de seguridad vehicular basado en tecnología lora para monitoreo remoto y prevención de robos

2026-09-07T14:19:57Z

Título : Diseño e implementación de un sistema de seguridad vehicular basado en tecnología lora para monitoreo remoto y prevención de robos Autor : Machado Ordoñez, Cesar Gonzalo Resumen : La investigación que se presenta aquí se desarrolla en torno a la creación y aplicación de un sistema de seguridad, antirrobo de vehículos, basado en tecnologías del Internet de las Cosas (IoT) y comunicación de larga distancia (LoRa). El problema que se ha identificado tiene que ver con la ineficiencia que ofrecen las alarmas convencionales que dependen de alarmas sonoras que normalmente pasan inadvertidas, puesto que no tienen la opción de tener un sistema de notificación inmediata. Por ello, se ha diseñado un prototipo con el microcontrolador ESP32-LoRa y se ha hecho la experimentación con una red de sensores multimodales IMU para impactos, ToF y PIR para la proximidad y GPS para el rastreo. La metodología empleada fue de carácter experimental con un enfoque cuantitativo, utilizando el método estadístico de Distribución Binomial y Pruebas de Hipótesis (t de Welch) para validar la eficacia del sistema mediante 50 ensayos controlados. Los resultados obtenidos han mostrado una tasa de éxito de un 96% en las medidas de detección y envío de alertas (p<0.05), logrando enviar alertas con información visual y geolocalización al usuario mediante un bot de Telegram, alcanzando un tiempo promedio de respuesta de 101.62 s, mostrándose notablemente más rápido y estable que las técnicas tradicionales. Por tanto, se establece que la arquitectura creada representa una solución sólida y eficaz para la protección de activos móviles que permite una reacción preventiva del propietario y aumenta de forma sustancial las probabilidades de recuperación del vehículo en caso de intento de hurto. Descripción : The study provides insight into developing and employing a vehicle anti-theft security mechanism utilizing the Internet of Things (IoT) and Long-Range (LoRa) technologies. Issues brought to attention include a problem concerning traditional alarms’ failure, which operates on sound alerts that may be unnoticed due to their inability to inform about breakins immediately. As a result, a prototype was developed using ESP32-LoRa microcontrollers, and experiments were actually carried out with a network of multimodal sensors (IMU detects bumps, ToF and PIR are responsible for detecting intrusion, and GPS is used for tracking). The methodology used in the investigation is experimental in character and quantitative in its approach, based on statistical methods, namely, the technique of binomial distribution and hypothesis testing (Welch’s t-test) which allows validating the efficiency of the developed system through 50 experiments. The outcome of the study has a detection and alerting efficiency equal to 96% (p<0.05) providing alerting of the user through a Telegram bot equipped with visual information and geographic location in an average of 101.62 seconds effectively and much faster than the classical techniques. The findings of the investigation lead to the conclusion about the efficiency of the developed architecture since it can ensure the efficient protection of mobile objects which allows its owner to take preventive measures and increase the probability of recovery of the vehicle after the theft.

Sistema de monitoreo del comportamiento de los pollos de engorde, empleando algoritmos de reconocimiento de imágenes, para reducir la tasa de mortalidad en la producción avícola.

2026-07-28T17:43:11Z

Título : Sistema de monitoreo del comportamiento de los pollos de engorde, empleando algoritmos de reconocimiento de imágenes, para reducir la tasa de mortalidad en la producción avícola. Autor : Jimenez Ruiz, Willigton Washington Resumen : El sector avícola ecuatoriano se enfrenta a pérdidas económicas significativas en el proceso de crianza de pollos de engorde. Debido a que la observación manual es costosa y propensa al error humano. Para abordar esta problemática, la investigación busca implementar un sistema de monitoreo basado en reconocimiento de imágenes y aprendizaje autónomo para detectar patrones de comportamiento anormal en pollos de engorde y contribuir a la reducción de la tasa de mortalidad. La investigación adopto un enfoque mixto, al contar con datos cuantitativos y cualitativos enfocados en un desarrollo experimental. Se entrenaron tres diferentes modelos YOLOv8n, YOLOv11n, YOLOv26n en las mismas condiciones, de tal manera se establecen tres categorías de clasificación: “Good”, “Warning” y “Bad”. La selección del modelo se fundamentó en un análisis estadístico no paramétrico y mediante la prueba de Kruskal-Wallis y U-Mann-Whitney con corrección de Bonferroni, se logró determinar el modelo óptimo y adecuado para la integración en el prototipo basado en la Raspberry Pi 5. YOLOv8n fue seleccionado por su eficiencia computacional en hardware embebido, operando establemente a 5.69 FPS. La validación demostró que el sistema contabiliza correctamente el 65.7% de las aves y detecta anomalías en el 54.3%. Aunque es una herramienta funcional para la supervisión automatizada, la detección de mortalidad alcanzó apenas el 26.67%. Esta efectividad moderada representa su principal limitación, orientando futuras investigaciones a perfeccionar el entrenamiento del modelo para mejorar dicha precisión. Descripción : The Ecuadorian poultry sector faces significant economic losses in the broiler rearing process. This is because manual observation is costly and prone to human error. To address this problem, the research seeks to implement a monitoring system based on image recognition and machine learning to detect abnormal behavior patterns in broilers and contribute to the reduction of the mortality rate. The research adopted a mixed-methods approach, relying on quantitative and qualitative data focused on experimental development. Three different models (YOLOv8n, YOLOv11n, and YOLOv26n) were trained under the same conditions, thus establishing three classification categories: “Good”, “Warning”, and “Bad”. Model selection was based on a non-parametric statistical analysis; through the Kruskal-Wallis and Mann-Whitney U tests with Bonferroni correction, it was possible to determine the optimal and appropriate model for integration into the Raspberry Pi 5-based prototype. YOLOv8n was selected for its computational efficiency on embedded hardware, operating stably at 5.69 FPS. Validation showed the system accurately counts 65.7% of the birds and detects anomalies in 54.3% of cases. Although it is a functional tool for automated supervision, mortality detection reached only 26.67%. This moderate effectiveness represents its main limitation, directing future research toward perfecting model training to improve this accuracy.

Desarrollo de un sistema aplicando visión artificial para el análisis de comportamientos sospechosos y la prevención de atracos armados en la compañía de telecomunicaciones Global Cell.

2026-07-28T16:33:40Z

Título : Desarrollo de un sistema aplicando visión artificial para el análisis de comportamientos sospechosos y la prevención de atracos armados en la compañía de telecomunicaciones Global Cell. Autor : Pungaña Villacrés, Augusto Luciano Resumen : La presente investigación aborda el desarrollo de un sistema de monitoreo y seguridad inteligente, fundamentado en el uso de visión artificial. Este sistema está concebido para la identificación automatizada de conductas consideradas sospechosas en cuanto a gestos corporales, además de la detección de prendas y accesorios que pueden opacar la visibilidad de una persona, todo ello mediante escenarios simulados. La implementación incorpora herramientas avanzadas de aprendizaje profundo, tales como Yolov11, Yolo pose, destinadas al seguimiento de individuos y a la estimación de posturas. Así mismo, se utiliza la biblioteca OpenCV para el procesamiento de video multicanal, estableciendo una interfaz de comunicación con la API de Telegram para la transmisión remota de notificaciones y alertas. No obstante, el uso de cámaras de video vigilancia MI 360 a 1080 de la compañía Xiaomi, un computador para su respectivo desarrollo y un móvil para el envío de alertas. La eficacia del sistema fue corroborada mediante evaluaciones de precisión en la detección de accesorios como gafas, gorras, mascarillas, etc. y en el reconocimiento de posturas indicativas de amenaza como manos en la cabeza o elevadas. El proyecto se llevó a cabo en tres etapas. En primer lugar, tras una exhaustiva revisión del estado del arte en sistemas de video vigilancia, se seleccionaron modelos de detección de objetos, ponderando su equilibrio entre la velocidad de inferencia y la precisión. En segundo lugar, se procedió a la programación del sistema en Python utilizando la interfaz de Visual Studio Code. La activación de alarmas se produce ante la presencia de tres o más objetos considerados sospechosos y posturas evaluadas como críticas. Se determina que la integración de redes neuronales convolucionales para la vigilancia representa una solución tecnológica sólida y adaptable. Se sugiere que las futuras generaciones incorporen el empleo de hardware especializado para aceleración como unidades de procesamiento gráfico dedicadas como por ejemplo NVIDIA Nano Jetson y la inclusión de algoritmos de identificación facial para perfeccionar el seguimiento de los individuos detectados, lo que optimizará los tiempos de respuesta en los sistemas de seguridad pública. Descripción : This research addresses the development of an intelligent monitoring and security system based on computer vision. The system is designed to automate the identification of suspicious behaviors related to body gestures, as well as the detection of garments and accessories that may obscure a person's visibility, all within simulated scenarios. The implementation incorporates advanced deep learning tools, such as YOLOv11 and YOLO Pose, for individual tracking and posture estimation. Furthermore, the OpenCV library is used for multi-channel video processing, and a communication interface with the Telegram API is established for remote transmission of notifications and alerts. The hardware setup included Xiaomi MI 360 1080p surveillance cameras, a development computer, and a mobile device for receiving alerts. The system's effectiveness was validated through precision evaluations for detecting accessories such as glasses, caps, and masks, and recognizing threat-indicative postures such as hands on head or raised. The project was executed in three stages. First, following an exhaustive state-of-the art review of video surveillance systems, object detection models were selected based on the balance between inference speed and accuracy. Second, the system was programmed in Python using the Visual Studio Code interface. Alarms are triggered by the presence of three or more suspicious objects or postures evaluated as critical. It is concluded that integrating Convolutional Neural Networks into surveillance represents a robust and adaptable technological solution. Future iterations are encouraged to incorporate specialized hardware for acceleration, such as NVIDIA Jetson Nano-based GPUs, and to include facial identification algorithms to refine individual tracking, thereby optimizing response times in public security systems.