| Journal: | Revista digital universitaria |
| Database: | PERIÓDICA |
| System number: | 000449714 |
| ISSN: | 1607-6079 |
| Authors: | Luna Becerril, Edurnet Jhaquelin1 Juárez Velázquez, Emmanuel Tonatihu2 Meléndez Ramírez, Adolfo2 |
| Institutions: | 1Universidad Politécnica de Texcoco, Texcoco, Estado de México. México 2Tecnológico de Estudios Superiores de Ecatepec, Ecatepec, Estado de México. México |
| Year: | 2021 |
| Season: | Nov-Dic |
| Volumen: | 22 |
| Number: | 6 |
| Country: | México |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Descriptivo, divulgación |
| Spanish abstract | En el presente artículo se muestra el uso de una técnica de inteligencia artificial denominada machine learning, para detectar los estados de somnolencia y de vigilia en los conductores vehiculares. La somnolencia se genera cuando el individuo está con un alto nivel de estrés o cansancio, lo cual puede provocar un accidente; cuando está en alerta, se le denomina estado de vigilia. Para su medición, se toman en cuenta dos variables: el pulso cardíaco y la temperatura corporal. El pulso cardíaco se midió con un sensor, a través del método de fotopletismografía (ppg). La temperatura corporal se tomó mediante un sensor infrarrojo, sin contacto. Los datos obtenidos a través de la lectura sirvieron para crear una colección de datos y realizar el entrenamiento de una red neuronal con aprendizaje supervisado. Posteriormente, la información fue clasificada mediante este sistema de adquisición de datos |
| English abstract | The following article shows the use of machine learning, a type of artificial intelligence, to detect somnolence and the state of vigil in drivers. Somnolence is generated when an individual has high levels of stress or tiredness, and can lead to a potential accident. When alert, it is called vigil state. Two variables are considered: heartbeat and body temperature. Heartbeat was measured with a sensor through the photopletismograph method (ppg). Body temperature was taken through an infrared sensor without contact. The obtained data was used to create a database and to train a neuron network with supervised learning. Later, the information was classified through this data acquisition system |
| Disciplines: | Ingeniería, Ciencias de la computación |
| Keyword: | Ingeniería de transportes, Inteligencia artificial, Redes neuronales, Aprendizaje de máquinas, Somnolencia, Sensores, Conductores |
| Keyword: | Transportation engineering, Artificial intelligence, Neuronal networks, Machine learning, Drowsiness, Sensors, Drivers |
| Full text: | https://biblat.unam.mx/hevila/Revistadigitaluniversitaria/2021/vol22/no6/3.pdf |
