Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FECHA:
TIPO DE DOCUMENTO: PROYECTO FINAL
18 DE NOVIEMBRE DE 2020
1. ANTECEDENTES
2. OBJETIVO
Diseñar una herramienta que permita Identificar los EPP (Equipos de protección
personal) mediante un sistema de inteligencia artificial haciendo uso del software
MATLAB.
3. MARCO TEÓRICO
3.1. INTELIGENCIA ARTIFICIAL
3.2. PROCESO
Un proceso es una secuencia de pasos dispuesta con algún tipo de lógica que se
enfoca en lograr algún resultado específico. Los procesos son mecanismos de
comportamiento que diseñan los hombres para mejorar la productividad de algo, para
establecer un orden o eliminar algún tipo de problema.
Es una variable del sistema tal que una modificación de su magnitud o condición puede
alterar el estado del sistema. Define las condiciones de operación del proceso y del
valor de ellas depende la eficacia del proceso.
Es una variable del sistema cuya magnitud o condición se mide. Refleja los resultados
obtenidos por el proceso, a través de los valores que se toman las variables se evalúa
la eficacia del proceso. Por lo general son las características de la calidad del producto
que se obtienen con el proceso.
Fuente: https://sites.google.com/site
Números aleatorios, son números que de forma no predecible son elegidos al azar.
Un número aleatorio es aquel obtenido al azar, es decir, que todo número tenga la
misma probabilidad de ser elegido y que la elección de uno no dependa de la elección
del otro. El ejemplo clásico más utilizado para generarlos es el lanzamiento repetitivo
de una moneda o dado ideal no trucado.
• Categorización o dimensiones
• Definición de las variables (Dependiente e independiente)
• Indicadores
• Nivel de medición
• Unidad de medida
• Valor
3.7. NIVEL DE RIESGO
3.8. EPP
El Equipo de Protección Personal o EPP son equipos, piezas o dispositivos que evitan
que una persona tenga contacto directo con los peligros de ambientes riesgosos, los
cuales pueden generar lesiones y enfermedades.
4. MARCO PRÁCTICO
4.1. RECONOCIMIENTO DE OBJETOS MEDIANTE MATLAB
Entrenamiento de un modelo desde cero: para entrenar una red profunda desde
cero, hay que recopilar un conjunto de datos etiquetados muy amplio y diseñar una
arquitectura de red que aprenda las características y cree el modelo. Los resultados
pueden ser impresionantes, pero este enfoque requiere una gran cantidad de datos de
entrenamiento, y es necesario configurar las capas y las ponderaciones en la CNN.
4.4. PROBLEMA
UNIDAD DE
VARIABLE DIMENSIÓN INDICADOR VALOR FINAL
MEDIDA
Número de
Entrada:
trabajadores que
Detección de
reportan mal uso
Equipos de Accidentabilidad. Cantidad. Valoración.
de equipos de
Protección
protección
Personal.
personal..
Cascos
Salida:
Lentes
Cantidad de EPP
Botas de
detectados Sistema de
Cantidad. Equipos seguridad
mediante un seguridad.
Barbijos
sistema de alerta
Chalecos de
inteligente.
seguridad
5. APLICACIÓN
5.1. DIAGRAMA DE CONTEXTO DE LAS VARIABLES DE ESTUDIO
ACTOS INSEGUROS
INFORME
MEDIANTE
TRABAJADORES QUE
SISTEMA DE REPORTAN POSIBLES
INTELIGENCIA ARTIFICIAL IRREGULARIDADES
INFORME FINAL
DE USO
IDENTIFICAR
LA CANTIDAD DE
TRABAJADORES QUE NO MEDIANTE INTELIGENCIA
RECONOCER
USAN O HACEN MAL ARTIFICIAL LOS EPP
USO DE LOS EPP
INICIO
Simulador accidentes e
incidentes mediante
NÚMEROS ALEATORIOS
Ingrese la dimensión de la
matriz (Representa las áreas
de trabajo)
Máx=Ingrese el
máximo
NO
Min=Ingrese el
mínimo
Máx>Min
SI
Matriz de
números
aleatorios
CANTIDAD DE EPP
SI
Introduzca los
nuevos valores
NO
Verificar la herramienta
NO
¿La implentación de IA
ayuda a mejorar las
condiciones de trabajo?
SI
FIN
Iniciar el sistema de
inteligencia artificial
Identificación de
uso de EPP
Trabajador
Validar la
información
Detección de EPP
Encargado de
CANTIDAD DE EPP QUE
SISTEMA
Seguridad Industrial
REPORTEN IRREGULARIDADES
Buscar resultados
TRABAJADOR
INICIAR RECONOCIMIENTO
RESULTADO DE RECONOCIMIENTO
CONCEPTO ESPECIFICACIÓN
Numero de EPP
5
utilizados
Identificación de cascos.
Equipos de Protección
Identificación de botas de seguridad.
Personal
Identificación de barbijos.
COLOR DE
CONCEPTO ESPECIFICACIÓN IMAGEN
RECONOCIMIENTO
Es un indumento utilizado
CHALECO DE para mejorar el
VERDE CLARO
SEGURIDAD reconocimiento de los
empleado.
6. IMPLEMENTACIÓN
%% Entrenamiento de la Adaboost
load('EmergencySigns.mat');
positiveFolder = 'positive';
negativeFolder = 'negative';
detectorName = 'emergencySignsDetector1.xml';
trainCascadeObjectDetector(detectorName, Gtrain,
negativeFolder,...
'FalseAlarmRate', 0.1, 'NumCascadeStages', 5);
%% Prueba
detector =
vision.CascadeObjectDetector(detectorName);
img = imread('positive/1.bmp');
bbox = step(detector, img);
detectedImg = insertObjectAnnotation(img,
'rectangle', bbox, 'sign');
figure; imshow(detectedImg);
Código Matlab para detectar imágenes:
function D = detectandoSobreG(ArchivoDetector, G,
visualizacion)
% Entradas
% ArchivoDetector contiene la dirección del
archivo del detector,
% extensión xml
% G Lista de rectangulos de los objetos que
realmente están en las imagenes
% visualizacion es una var. booleana que activa o
desactiva la visualizacion de
% los EPP detectados y de los objetos
reales en las imagenes.
% Salidas
% D Lista de EPP de las detecciones
detector =
vision.CascadeObjectDetector(ArchivoDetector);
D =
struct('imageFilename',{},'objectBoundingBoxes',{}
);
for im= 1:length(G)
img = imread(G(im).imageFilename);
D(im).imageFilename = G(im).imageFilename;
D(im).objectBoundingBoxes = step(detector,
img);
% Visualización
if visualizacion
detectedImg = insertObjectAnnotation(img,
'rectangle',...
D(im).objectBoundingBoxes,
'deteccion','Color','white');
detectedImg =
insertObjectAnnotation(detectedImg,
'rectangle',...
G(im).objectBoundingBoxes,
'objeto','Color','green');
imshow(detectedImg);
pause
end
end
Código: APEF2 IND G8 Versión: 0 Fecha: Noviembre 18, 2020 Página 15 de 19
PF - MODELADO Y SIMULACIÓN
7. PRUEBAS DE FUNCIONAMIENTO
8. BALANCE DE COMPONENTES
8.1. HP PAVILION HEWLETT – PACKARD
Se empleó un portátil HP con Windows 10 con las siguientes características:
TABLA 4. BALANCE DE COMPONENTES
Nombre Característica
Nombre del SO Microsoft Windows 10 Pro
Versión 10.0.19041 compilación 19041
Tipo de sistema X64-based PC
AMD A10 Extreme Edition Radeon
Procesador
R8, 4C+8G, 200 Mhz, 2 procesadores
Memoria física
12,0 GB
instalada
Resolución de
1920 x 1080
Pantalla
Producto placa
80B5
base
9. CONCLUSIONES Y RECOMENDACIONES
9.1. CONCLUSIONES
• Se logró plantear el modelo conceptual para el desarrollo de la inteligencia artificial
en la prevención de riesgos de la empresa Constructora y Consultora I.E.C.
• Se logró incluir las especificaciones técnicas que se toman en cuentan para el
modelo de inteligencia artificial.
• El uso de la inteligencia artificial es muy beneficioso en diversos ámbitos para
ayudar a las personas a desarrollar sus actividades con más seguridad y facilidad.
• Se logró desarrollar el modelo conceptual mediante un diagrama de flujo.
• La inteligencia artificial se puede aplicar a la entrada, durante y en la salida del
proceso.
• El componente de inteligencia artificial es un sistema de aprendizaje automático
capaz de construir, detectar y descifrar patrones y correlaciones, análogos al
aprendizaje y razonamiento usados por los humanos.
• Matlab es un software que permite identificar objetos (EPP) en imágenes mediante
la inteligencia artificial.
9.2. RECOMENDACIONES
• Es necesario ampliar el tema en cuestión para obtener soluciones más eficientes.
• Es recomendable tener conocimiento básico – intermedio del lenguaje de
programación que usa el software Matlab.
• Es recomendable tener una secuencia lógica en el diagrama de flujo del modelo.
• Es recomendable identificar las variables de estudio (Entrada y salida) y el proceso.
• Actualmente existen varias soluciones de inteligencia artificial, es recomendable
estudiar todas las alternativas.
• Es recomendable establecer las especificaciones técnicas del modelo IA.
10. BIBLIOGRAFÍA
• Anónimo (s.f.). Inteligencia Artificial. Recuperado el 7 de noviembre de 2020, de
Prevenciones: https://prevencionar.com/2018/07/17/inteligencia-artificial-y-
prevencion-de-riesgos-laborales/
• Baldi, M. (3 de noviembre de 2017). Como usar la inteligencia artificial en la
industria. Recuperado el 7 de noviembre de 2020, de infobae:
https://www.infobae.com/tendencias/innovacion/2017/11/03/como-usar-
inteligencia-artificial-para-prevenir-accidentes-laborales/
• Anónimo (4 de enero de 2017). El comienzo de la era de la Inteligencia Artificial.
Recuperado el 7 de noviembre de 2020, de OpenMind:
https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/el-comienzo-de-
la-era-de-la-inteligencia-artificial/
• Anónimo (s.f.). Variables de entrada y salida. Recuperado el 7 de noviembre de
2020, de Sistemas de control: https://sites.google.com/site/tecnoindus1/sistemas-
decontrol?tmpl=%2Fsystem%2Fapp%2Ftemplates%2Fprint%2F&showPrintDialog
=1#:~:text=Variable%20de%20entrada%3A%20es%20una,la%20salida%20de%2
0un%20sistema.
• Anónimo (s.f.). EPP. Recuperado el 17 de noviembre de 2020, de Alfa:
https://agroinsumosalfaltda.com/?p=1980
• Matlab. Image Processsing and Computer Vision. Recuperado el 17 de noviembre
de 2020, de MathWorks: https://la.mathworks.com/solutions/image-video-
processing/object-recognition.html