Desarrollo de un tacómetro emocional con visión artificial basado en deep learning para la reducción de riesgos laborales en minería

• Autores: Valer Vilca, Alma Marycielo, Mendoza Sacachipana, Jean Pool
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14687
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14687
• Nivel de acceso: acceso abierto
• Materia: Riesgos laborales; Tacómetro emocional; Rasgos faciales; https://purl.org/pe-repo/ocde/ford#2.02.04

Esta tesis busca desarrollar un tacómetro emocional utilizando visión artificial basada en deep learning para detectar en tiempo real emociones críticas como el estrés y la irritabilidad en trabajadores mineros, con el fin de reducir los riesgos laborales asociados. El sistema implementado emplea MediaPipe para analizar expresiones faciales mediante la identificación de 468 puntos clave en el rostro, clasificando seis emociones básicas agrupadas en indicadores de riesgo emocional. Se realizó una prueba piloto en un entorno controlado que simulaba condiciones mineras, con cinco conductores en distintos turnos, utilizando cámaras IP industriales, conectividad satelital y un módulo de visualización en tiempo real. Además, se aplicó una encuesta con escala Likert a 80 trabajadores para evaluar la percepción del sistema. Los resultados muestran tasas de detección facial del 98,3 %, robustez ante iluminación del 99,1 % y falsas alertas por debajo del 5 %, evidenciando que el sistema contribuye a identificar y reducir riesgos laborales vinculados al estado emocional del trabajador.