Mejora de solución tecnológica con TinyML para detectar y notificar caídas y situaciones de riesgo

Loor Tubay, Paulina Michelle; Tumbaco Sellan, Katherine Alexandra; Criollo Bonilla, Ronald Raúl, Director

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Computación
→
View Item

dc.contributor.author	Loor Tubay, Paulina Michelle
dc.contributor.author	Tumbaco Sellan, Katherine Alexandra
dc.contributor.author	Criollo Bonilla, Ronald Raúl, Director
dc.date.accessioned	2026-05-11T20:00:18Z
dc.date.available	2026-05-11T20:00:18Z
dc.date.issued	2025
dc.identifier.citation	Loor Tubay P.M, Tumbaco Sellan K.A. (2025) Mejora de solución tecnológica con TinyML para detectar y notificar caídas y situaciones de riesgo [Proyecto Integrador] Escuela Superior Politécnica del Litoral	es_EC
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/68253
dc.description	El tiempo de respuesta en situaciones de emergencia como caídas, accidentes automovilísticos yo situaciones relacionadas a la inseguridad resulta crítico; la falta de atención inmediata puede agravar las lesiones, causar fracturas, contusiones, daños irreversibles y períodos prolongados de recuperación. Este proyecto se enfoca en desarrollar una solución tecnológica mejorada para la detección y notificación de caídas y situaciones de riesgo utilizando TinyML. Se plantea mejorar desarrollar nuevas funcionalidades en la aplicación móvil y ejecutar un plan de pruebas para validar el funcionamiento del sistema. Se mejoró el diseño del dispositivo wearable incluyendo una batería con mayor duración. Además, se implementó una arquitectura multi-plataforma que integró backend Flask con MySQL, dashboard web en React y aplicación móvil Flutter. El sistema incorporó notificaciones multi-canal (SMS, WhatsApp, email, push) y un mecanismo de tiempo de respuesta dinámica para descarte de falsas alarmas. Los resultados del plan de pruebas mostraron alta satisfacción: 4.8/5 y 4.6/5 donde se confirmó la correcta generación de alertas. El proyecto establece una alternativa competitiva frente a soluciones comerciales.	es_EC
dc.description.abstract	Response time in emergency situations such as falls, car accidents, and insecurity problems is critical; lack of immediate attention can worsen injuries, cause fractures, contusions, irreversible damage, and prolonged recovery periods. This project focuses on developing an improved technological solution for the detection and notification of falls and risk situations using TinyML. The project aims to develop new functionalities in the mobile application and execute a test plan to validate the system's operation. The design of the wearable device was improved, including a longer-lasting battery. Furthermore, a multi-platform architecture was implemented, integrating a Flask backend with MySQL, a React web dashboard, and a Flutter mobile application. The system incorporates multi-channel notifications (SMS, WhatsApp, email, push notifications) and a dynamic response time mechanism to discard false alarms. The test plan results showed high satisfaction: 4.8/5 and 4.6/5, confirming the correct generation of alerts. The project establishes a competitive alternative to commercial solutions. Keywords: Wearable device, edge computing, emergency alert, real-time monitoring	es_EC
dc.publisher	ESPOL.FIEC	es_EC
dc.subject	Dispositivo wearable	es_EC
dc.subject	Edge computing	es_EC
dc.subject	Alerta de emergencia	es_EC
dc.subject	Monitoreo en tiempo real	es_EC
dc.title	Mejora de solución tecnológica con TinyML para detectar y notificar caídas y situaciones de riesgo	es_EC
dc.type	Thesis	es_EC
dc.identifier.codigoespol	T-115991
dc.identifier.codigoproyectointegrador	TECH-439