Implementación de un sistema embebido para la clasificación de fuentes de ruido ambiental urbano utilizando técnicas de TinyML en un entorno acústico de Bogotá

El aumento del ruido urbano, derivado del desarrollo continuo de actividades económicas y sociales en las ciudades, se ha convertido en una preocupación diaria con un impacto negativo en la población. Estudios presentados por la Secretaría Distrital de Ambiente (SDA) de Bogotá, Colombia indican que al menos el 11.8% de la población está expuesta a niveles de ruido que exceden las recomendaciones de la Organización Mundial de la Salud . El objetivo principal del proyecto de investigación es diseñar una herramienta de clasificación inteligente que permita identificar y categorizar diferentes fuentes de ruido en tiempo real. El sistema implementado está basado en dispositivos de bajo consumo energético equipados con sensores de audio y capacidad de procesamiento (TinyML). Se utilizó el modelo YAMNet, optimizado para las condiciones específicas de Bogotá, logrando una clasificación precisa de las fuentes de ruido en clases como alarmas, ambiente, aplausos, aviones, actividades humanas, impactos, motocicletas y vehículos pesados. Los resultados obtenidos muestran que en el entorno acústico objeto de estudio los ruidos de vehículos pesados y motocicletas constituyen una gran parte del ruido ambiental en el sector. Además, los aviones, aunque menos frecuentes, permiten establecer que una gran cantidad de eventos (87%) se encuentran por encima del estándar máximo permisible para el sector llegando a eventos de hasta 88.4 dBA. En conclusión, esta investigación demuestra que el uso de TinyML para la clasificación de fuentes de ruido urbano es una estrategia viable y efectiva. La metodología desarrollada facilita una gestión más eficiente del ruido urbano, proporcionando una base sólida para futuras investigaciones y desarrollos tecnológicos, con el potencial de mejorar significativamente la calidad de vida en entornos urbanos.

• Fecha de publicación: 2024
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/43386
• Acceso en línea: https://repository.urosario.edu.co/handle/10336/43386
• Palabra clave: TinyML; YAMNet; Clasificación fuentes de ruido; Entorno acústico; Estaciones de monitoreo; TinyML; YAMNet; Noise sources classification; Acoustic environment; Monitoring stations
• License: Attribution-NonCommercial 4.0 International