Módulo de detección de intrusiones para entornos rurales utilizando edge computer vision en microcontroladores

• Autores: Silva, Boris Dorian da
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Soria, Marcelo Abel
• Materia: REDES NEURONALES ARTIFICIALES; REDES NEURONALES CONVOLUCIONALES; EDGE COMPUTER VISION; MICROCONTROLADORES; ESP32; LORA; ARTIFICIAL NEURAL NETWORKS; CONVOLUTIONAL NEURAL NETWORKS; EDGE COMPUTER VISION; MICROCONTROLLERS; ESP32; LORA
• Institución: Universidad Nacional de Buenos Aires. Facultad de Ciencias Exactas y Naturales

Este trabajo se centró en el desarrollo de un módulo de detección de intrusiones mediante la aplicación de Edge Computer Vision, especialmente diseñado para su implementación en microcontroladores de bajo costo, con aplicaciones específicas en entornos rurales con limitaciones de acceso a la red eléctrica y a la infraestructura de comunicación. La solución propuesta comprende tres módulos esenciales: detección de personas, comunicación y suministro energético. Para el módulo de detección, se elaboró un clasificador utilizando una red neuronal convolucional basado en la arquitectura MobileNet V1, implementando una estrategia de transferencia de conocimiento para adaptar el modelo al contexto de detección de personas. El modelo resultante fue cuantizado para reducir su tamaño y mejorar la eficiencia en los tiempos de inferencia, para posteriormente ser implementado en un microcontrolador ESP32. El módulo de comunicación utiliza un transceptor LoRa para transmitir alertas generadas por la detección de personas, y el módulo de suministro energético incorpora un sistema con panel solar, batería y módulo de carga. Esta solución integral ofrece una respuesta para la detección de personas en áreas rurales con recursos limitados.
This work focused on the development of an intrusion detection module using Edge Computer Vision, specially designed for implementation in low-cost microcontrollers, with specific applications in rural environments with limited access to the electrical grid and communication infrastructure. The proposed solution comprises three essential modules: person detection, communication, and power supply. For the detection module, a classifier was developed using a convolutional neural network based on the MobileNet V1 architecture, implementing a knowledge transfer strategy to adapt the model to the context of person detection. The resulting model was quantized to reduce its size and improve efficiency in inference times, and then implemented on an ESP32 microcontroller. The communication module uses a LoRa transceiver to transmit alerts generated by person detection, and the power supply module incorporates a system with solar panel, battery, and charging module. This comprehensive solution provides a response to person detection in rural areas with limited resources.
Fil: Silva, Boris Dorian da. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina.