Monitoreo de rendimiento para jugadores de rugby con tecnología inalámbrica para recopilación de datos

Abstract

Este proyecto se enfoca en el desarrollo de un sistema de monitoreo de rendimiento para jugadores de rugby, utilizando tecnologías avanzadas como la tarjeta LilyGO T-Beam, el GPS NEO-6M y conectividad Wi-Fi. Este sistema tiene como objetivo capturar datos en tiempo real sobre posición, velocidad y aceleración de los jugadores, para posteriormente enviarlos a la plataforma de análisis en la nube Microsoft Azure IoT. A través de esta integración tecnológica, se busca optimizar los entrenamientos, prevenir lesiones y facilitar la planificación estratégica basada en datos. El sistema incluye funcionalidades como el almacenamiento y encapsulación de datos para garantizar la integridad de la información en caso de desconexión, y modos de ahorro energético que permiten extender la autonomía del dispositivo durante los entrenamientos o partidos. Las pruebas realizadas en escenarios reales han demostrado la viabilidad del sistema, destacando su precisión en la captura de datos y su capacidad de transmisión confiable. Además, el análisis de datos en Azure IoT permitió generar mapas de calor, trayectorias de movimiento y estadísticas clave sobre el rendimiento físico de los jugadores. El proyecto representa una contribución significativa al ámbito del análisis deportivo en rugby, no solo por su capacidad de mejora en la planificación de entrenamientos, sino también como una herramienta preventiva para evitar lesiones. Su arquitectura escalable y adaptable permite su aplicación en otros deportes y escenarios que requieran análisis detallado del rendimiento físico. This project focuses on developing a performance monitoring system for rugby players, leveraging advanced technologies such as the LilyGO T-Beam board, the GPS NEO-6M, andWi-Fi connectivity. The system aims to capture real-time data on players’ position, speed, and acceleration, transmitting this information to the Microsoft Azure IoT cloud platform. Through this technological integration, the project seeks to optimize training, prevent injuries, and enable data-driven strategic planning. The system includes features such as data buffering to ensure information integrity in case of disconnection, and energy-saving modes that extend device autonomy during training or matches. Real-world testing demonstrated the system’s feasibility, highlighting its data accuracy and reliable transmission capabilities. Additionally, data analysis in Azure IoT enabled the generation of heatmaps, movement trajectories, and key statistics on players’ physical performance. This project represents a significant contribution to sports analysis in rugby, not only improving training planning but also serving as a preventive tool to avoid injuries. Its scalable and adaptable architecture allows for application in other sports and scenarios requiring detailed physical performance monitoring.