Sistema de Detección y Alerta de Incendios Forestales Basado en Procesamiento de Imágenes e IA

El objetivo del presente trabajo se enfoca en el diseño e implementación de un sistema inteligente de bajo costo para la detección temprana de incendios forestales, utilizando tecnologías de IoT (Internet of Things) e IA (Inteligencia Artificial). La metodología diseñada implicó el desarrollo y la evaluación comparativa de múltiples algoritmos, divididos en dos enfoques: técnicas basadas en el análisis de espacios de color (RGB, YCbCr, HSI, HSV y PJF) y modelos de IA (CNN, YOLOv8 y Haar Cascade). A partir de este análisis, se seleccionó una arquitectura híbrida que integra los dos métodos de mayor rendimiento: un detector de objetos basado en YOLOv8 (Método 9) y un algoritmo cromático que fusiona los espacios PJF, RGB y YCbCr (Método 12). Este sistema visual se complementa con un sensor de partículas PM2.5 para validar la presencia de humo y módulos GPS/4G para emitir alertas georreferenciadas. Como resultado clave, el prototipo final validado en condiciones controladas alcanzó métricas destacadas como un 99.82 % de exactitud, 99.64 % de sensibilidad y 100 % de especificidad bajo condiciones de alta iluminación. También demostró eficiencia energética y estabilidad térmica mediante monitoreo continuo de CPU, RAM y consumo de corriente. La principal contribución del trabajo consiste en una solución de campo validada, cuya arquitectura híbrida demuestra ser precisa, eficiente y adaptable, confirmando su viabilidad para ser implementada en contextos de emergencia.