Sistema IoT basado en técnicas de visión artificial para la prevención de accidentes en piscinas con evaluación multicriterio neutrosófica de su arquitectura

Resumen

Los accidentes por ahogamiento en piscinas constituyen un problema de salud pública cuya mitigación descansa tradicionalmente en la supervisión humana y en barreras físicas, medidas cuyas limitaciones operativas —fatiga, cobertura parcial y dependencia de atención constante— están ampliamente documentadas. El presente trabajo propone el diseño, implementación y validación funcional de un sistema Internet de las Cosas (IoT) que integra cámaras IP con procesamiento de visión artificial basado en el modelo YOLO y sensores de movimiento pasivo infrarrojo (PIR), orquestado mediante microcontroladores ESP8266, un miniordenador de inferencia, infraestructura cloud (Firebase y Google Drive) y una aplicación móvil con perfiles diferenciados para administrador y operador. El sistema ejecuta detección en tiempo real, gestión de alertas y monitoreo remoto, complementando —no sustituyendo— la supervisión humana. Como componente metodológico auxiliar, la selección de la arquitectura más adecuada entre tres alternativas candidatas (solo cámaras IP, solo sensores PIR, y arquitectura híbrida) fue formalizada mediante un Proceso Analítico Jerárquico Neutrosófico combinado con TOPSIS (N-AHP-TOPSIS) bajo una Cadena de Expertos soportada en modelos de lenguaje. La arquitectura híbrida resultó preferida con coeficiente de cercanía Ci* = 0.8504, y el análisis de sensibilidad con variaciones de pesos de ±20% y niveles de indeterminación de hasta 0.5 confirmó su robustez en cinco escenarios. Los resultados operativos en entorno controlado evidenciaron activación confiable del disparador PIR, desempeño óptimo de la cámara IP con YOLO, generación de alertas en tiempo real y monitoreo remoto funcional.