Desarrollo de un sistema de detección de incendios forestales basado en procesamiento digital de imágenes con una cámara estacionaria en el sector de Picol Orccompucyo del distrito de San Jerónimo-Cusco

• Autor: Condorhuaman Quispe, Eduardo Eli
• Formato: tesis de grado
• Fecha de Publicación: 2026
• Institución: Universidad Nacional de San Antonio Abad del Cusco
• Repositorio: UNSAAC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsaac.edu.pe:20.500.12918/12259
• Enlace del recurso: https://hdl.handle.net/20.500.12918/12259
• Nivel de acceso: acceso abierto
• Materia: Incendios forestales, Procesamiento digital de imágenes, Raspberry Pi, Algoritmos; https://purl.org/pe-repo/ocde/ford#2.02.01

Hoy en día, los incendios forestales son una problemática que afecta a todo el mundo y en especial a la región del Cusco, la cual tiene el mayor número de emergencias históricas documentadas. Estos fuegos no controlados son en su mayoría generados de manera antrópica, causando la pérdida de grandes cantidades de flora y fauna. Para abordar esto, el siguiente proyecto de ingeniería diseñó e implementó un prototipo para detectar humo (día) y fuego (noche). El prototipo usa una cámara fija para obtener video en tiempo real, procesado mediante algoritmos implementados en Python con librerías como OpenCV. Las principales técnicas son: detección de movimiento utilizando sustracción de fondo KNN, análisis mediante espacios de color HSV y técnicas de confirmación de eventos críticos, culminando con la notificación usando mensajería instantánea. El hardware para el procesamiento del video es el sistema embebido Raspberry Pi 5 (8 GB de RAM). Para la adquisición de video se usaron dos cámaras: la Raspberry Pi Cam V3 (Wide) y la cámara IP Tapo C320WS. Las pruebas se realizaron simulando humo y fuego en el sector de Picol Orccompucyo, zona constantemente afectada por incendios. Los resultados del prototipo demuestran: 73.9% de precisión, 85% de sensibilidad y 79% de balance general usando la cámara Raspberry Pi V3. Con el segundo modelo (Tapo C320WS), se obtuvo 76.9% de precisión, 100% de sensibilidad y 86.9% de balance general.