Resumo

BENITEZ-BALTAZAR, V. H.; PACHECO-RAMIREZ, J. H.; MORENO-RUIZ, J. R.  e  NUNEZ-GURROLA, C.. Detección Autonómica de Cubrebocas con Aprendizaje Profundo: una Aplicación del IoT. Rev. mex. ing. bioméd [online]. 2021, vol.42, n.2, 1176.  Epub 03-Nov-2021. ISSN 2395-9126.  https://doi.org/10.17488/rmib.42.2.13.

Un virus nuevo y letal conocido como SARS-CoV-2, responsable de la enfermedad del coronavirus (COVID-19), se está propagando rápidamente por el mundo y ha provocado más de 4 millones de muertes. Por tal razón, existe una necesidad urgente de encontrar formas nuevas e innovadoras de reducir la probabilidad de infección. Una de las formas usuales de contraer el virus es al estar en contacto con las gotas de saliva de una persona enferma. Este riesgo se puede reducir usando una mascarilla tipo cubrebocas como sugiere la Organización Mundial de la Salud (OMS), especialmente en entornos cerrados como aulas, hospitales y supermercados. Sin embargo, las personas dudan en usar una mascarilla, lo que aumenta el riesgo de propagar la enfermedad, además, cuando se usa la mascarilla, a veces se usa de manera incorrecta. En este trabajo de investigación se propone un sistema autonómico de detección de mascarilla con aprendizaje profundo empoderado con la técnica de detección de imágenes que se utiliza en desarrollos de realidad aumentada como mecanismo para solicitar el correcto uso de mascarilla para permitir el acceso de personas a zonas críticas. Para lograr esto, se construyó un modelo de aprendizaje máquina basado en redes neuronales convolucionales con un enfoque de IoT para hacer cumplir el uso correcto de la máscara facial en las áreas requeridas, tal como lo exige la ley en algunas regiones.

Palavras-chave : Machine learning; COVID - 19; Cyber-Physical Systems; Internet of Things.