Diseño y simulación de un dispensador de medicamentos domiciliario para adultos mayores con enfermedades crónicas aplicando IoT y redes neuronales artificiales

• Autores: Anchante Alonzo, Daniela Patricia, Idrogo Saldaña, Gianinna Elizabeth
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/8865
• Enlace del recurso: https://hdl.handle.net/20.500.14138/8865
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales (Computación); Enfermedades crónicas; Dispensador automático; https://purl.org/pe-repo/ocde/ford#2.11.02

Esta tesis presenta el diseño y simulación de un dispensador automático de medicamentos domiciliario para adultos mayores con enfermedades cardiovasculares crónicas, utilizando IoT y redes neuronales. El sistema almacena y dispensa medicamentos de forma automática, detectando la intención del paciente de tomarlos a la hora programada. El diseño mecánico, realizado en Inventor, utiliza ABS para el chasis y polipropileno para los contenedores. El sistema de identificación de medicamentos, basado en una Raspberry Pi 4 B y una cámara, emplea visión artificial para detectar el nombre en las cajas de medicamentos. Para identificar la intención de toma, se emplea un giroscopio, un ESP32 y un botón en la muñeca del paciente, cuyo movimiento es analizado mediante redes neuronales artificiales. El sistema electrónico incluye sensores, controladores de motor y una alarma audiovisual, gestionados por la Raspberry Pi 4 B. Además, una aplicación móvil permite al cuidador ingresar la información sobre los medicamentos, dosificación y registrar el cumplimiento del paciente. El sistema eléctrico usa una fuente AC-DC de 12V y, en caso de falla, un banco de baterías de litio de 16Ah que asegura 3 horas de autonomía. Las pruebas demostraron un 100% de precisión en la identificación de medicamentos en el conjunto de entrenamiento (98.44% en validación) y un 97.68% en la detección de patrones de movimiento de la mano (98.57% en validación). La simulación del circuito electrónico y eléctrico en Proteus arrojó resultados satisfactorios