Servicios Personalizados
Revista
Articulo
Indicadores
Citado por SciELO
Accesos
Links relacionados
Similares en
SciELO
Compartir
Revista Politécnica
versión On-line ISSN 2477-8990versión impresa ISSN 1390-0129
Resumen
RAMOS, Josnier; PEREZ, Maykop; HERNANDEZ, Orestes y SILVERIO, Raimundo. Sistema Inteligente de Adquisición de Datos para la Monitorización de Tensión Eléctrica Mediante Redes Neuronales. Rev Politéc. (Quito) [online]. 2025, vol.56, n.1, pp.95-104. ISSN 2477-8990. https://doi.org/10.33333/rp.vol56n1.08.
La creciente necesidad de monitorear eficientemente las tensiones eléctricas ha impulsado el desarrollo de un sistema inteligente de adquisición de datos. Este trabajo aborda las limitaciones de los instrumentos digitales existentes, específicamente el METREL MD9225, mediante la implementación de una arquitectura de red neuronal para el reconocimiento óptico de caracteres en sus pantallas LCD. El objetivo de este trabajo consiste en facilitar la lectura automática de valores eléctricos utilizando una red neuronal entrenada para reconocer los dígitos del 0 al 9 y el punto decimal. La red neuronal está compuesta por trece capas de neuronas. El equipo de desarrollo creó cuatro aplicaciones en Python: dos para capturar imágenes destinadas al entrenamiento de la red neuronal y dos para implementar el sistema como aplicación de escritorio y aplicación web. Se utilizó la biblioteca Keras para construir y entrenar modelos de aprendizaje profundo, y se empleó OpenCV para optimizar el desarrollo de las aplicaciones. La gestión de la base de datos se realizó mediante sqlite3, lo que resalta su portabilidad y bajo consumo de recursos. Los resultados indican que el sistema propuesto mejora las capacidades del equipo existente al permitir la lectura y comunicación de mediciones eléctricas, lo que podría reducir costos al sustituir equipos obsoletos y proporcionar una capa adicional de protección contra ataques al sistema. Además, el sistema mostró una mejora significativa en la mitigación de incidentes por arco eléctrico. El sistema requiere una cámara web, una computadora portátil y acceso a una conexión de red de datos.
Palabras clave : Red neuronal profunda; reconocimiento óptico de caracteres para pantalla LCD; lenguaje de programación Python; mediciones de voltaje mediante lectura de pantalla automatizada.











