Visualización en tiempo real de ocupación de espacios en campus san joaquín mediante sistema de edge computing con lora

Abstract

Se diseña un sistema de Edge Computing que utiliza LoRa como medio de comunicación, para obtener el nivel de ocupación de las salas del campus San Joaquín de la Universidad Técnica Federico Santa María, los que son visualizados en una plataforma web mediante un mapa interactivo. Esto se realiza a partir de modelos de Machine Learning adaptados para ser lo suficientemente ligeros para ser ejecutados en el microprocesador Ar duino Portenta H7. Estos modelos son integrados en un programa en lenguaje Arduino/C++ encargado de capturar y redimensionar fotografías de tres salas del campus, en las que se entrenaron específicamente. Se realizan tres pruebas de comunicación mediante LoRa, cuyos resultados promedio corresponden a pérdida de paquetes: 63 %, RSSI: -108 [dBm], RSSI de paquete: -111 [dBm] y SNR: 2. Luego, se realizan tres pruebas de Crowd Counting en conjunto con LoRa, obteniendo un RMSE normalizado promedio de 0.2, y resultados promedio de comunicación correspondientes a pérdida de paquetes: 14 %, RSSI: -106 [dBm], RSSI de paquete: -101 [dBm] y SNR: 0. Se concluye que, a pesar de lograr los objetivos planteados en el trabajo, el reconocimiento visual y la comunicación entre dispositivos no son lo suficientemente eficaces actualmente como para ser aplicados en un sistema real en el Campus San Joaquín. Sin embargo, se proponen sugerencias para continuar con su desarrollo como trabajo futuro.

A LoRa-based Edge Computing system is designed, to calculate the occupancy of the classrooms of the San Joaquin Campus of the Universidad Tecnica Federico Santa Maria, which are then visualized on a web platform through an interactive map. This is accomplished using Machine Learning models adapted to be as lightweight as possible for execution on the Arduino Portenta H7 microprocessor. These models are integrated into an Arduino/C++ program responsible for capturing and resizing photographs of three specific rooms on the campus, where they were specifically trained. Three LoRa communication tests are conduc ted, yielding average results of packet loss: 63 %, RSSI: -108 dBm, Packet RSSI: -111 dBm, and SNR: 2. Subsequently, three Crowd Counting tests are conducted in conjunction with LoRa, resulting in an average normalized RMSE of 0.2, and average results of LoRa communication of packet loss: 14 %, RSSI: -106 dBm, Packet RSSI: -101 dBm, and SNR: 0. The conclusion is drawn that, despite achieving the objectives of the study, the visual recognition and commu nication between devices are currently not efficient enough to be applied in a eal system on the San Joaquin Campus. However, suggestions are proposed for further evelopment as future work.