Diseño e implementación de un dispositivo de bajo costo para el monitoreo del índice de radiación ultravioleta con aprendizaje automático

• Autor: Montes De Oca Llamoca, Rayner Miguel
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Católica San Pablo
• Repositorio: UCSP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucsp.edu.pe:20.500.12590/18909
• Enlace del recurso: https://hdl.handle.net/20.500.12590/18909
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Sensor UV30A; Calibración; Índice de radiación UV; Bajo costo; http://purl.org/pe-repo/ocde/ford#2.02.00

Esta tesis presenta el diseño e implementación de un dispositivo de bajo costo para el monitoreo del índice de radiación ultravioleta utilizando técnicas de aprendizaje automático. El sistema está compuesto por un sensor UV30A, un sensor de temperatura y humedad, y un microcontrolador LILYGO TTGO T-SIM7070G alimentado por energía solar. Este módulo autónomo recopila datos ambientales y los transmite en tiempo real a la nube mediante conectividad GSM. Considerando las limitaciones inherentes de los sensores UV de bajo costo, como la sensibilidad desigual al espectro UV, la falta de calibración certificada, el desplazamiento térmico y los errores por el efecto coseno, se diseñó un proceso de calibración utilizando aprendizaje automático, tomando como referencia los datos proporcionados por un pirómetro UVB-1/UVA-1 instalado en una estación meteorológica del Gobierno Regional de Salud de Arequipa. El entrenamiento del modelo se desarrolló en dos fases: una para relacionar las mediciones del sensor UV30A con los valores de irradiancia de referencia, y otra para convertir dichos valores en el índice UV de acuerdo con la ponderación espectral definida por la OMS. Se utilizaron algoritmos como Regresión Lineal, SVR, Bosque Aleatorio (Random Forest) y Perceptrón Multicapa (MLP), evaluando su desempeño mediante validación cruzada y métricas como R², MAE y RMSE. Los modelos seleccionados no fueron integrados en el dispositivo, sino desplegados en un servidor externo, donde operan en tiempo real al recibir los datos del sensor. Además, se implementó una plataforma web utilizando MQTT, Node-RED, InfluxDB y Grafana, lo que permite a los usuarios visualizar el índice UV procesado desde cualquier ubicación. Los resultados validan que el uso de aprendizaje automático mejora significativamente la precisión de los sensores de bajo costo, proporcionando una solución replicable y eficiente para el monitoreo ambiental en zonas de alta radiación solar como Arequipa, Perú.