Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA MECATRÓNICA
AUTOR:
ASESOR:
TRUJILLO – PERÚ
2019
GENERALIDADES
1. TÍTULO
2. AUTOR
3. TIPO DE TESIS
Investigación aplicada
4.1. LOCALIDAD:
4.2. INSTITUCIÓN:
24 horas semanales
2
7. RECURSOS
7.1. PERSONAL
OBJETIVO DURACIÓN
Resultados 3 días
9. MATERIALES Y EQUIPOS
3
6.- Guante Par 1
9.1. SERVICIOS
10. PRESUPUESTO
COSTO SUB
DENOMINACIÓN UNIDAD CANT UNIT. TOTAL
S/. S/.
Materiales y Equipos
Laptop Unid. 1 - -
Servicios
4
Impresiones Hojas 100 0.10 10.00
Internet Meses 4 40.00 160.00
Movilidad Meses 4 60.00 240.00
Teléfono Móvil Meses 4 30.00 120.00
TOTAL 853.00
11. FINANCIAMIENTO
5
ÍNDICE
I. INTRODUCCIÓN 10
I.1. REALIDAD PROBLEMÁTICA 10
I.2. ANTECEDENTES 12
I.3. ENUNCIADO DEL PROBLEMA 22
I.4. OBJETIVOS 22
I.4.1. GENERAL 22
I.4.2. ESPECÍFICOS 23
I.5. HIPÓTESIS 23
I.6. JUSTIFICACIÓN 23
II. MARCO REFERENCIAL 25
II.1. MARCO TEÓRICO 25
II.1.1. EL SENTIDO DEL OÍDO 25
II.1.2. IMPLICACIONES DE LA DISCAPACIDAD AUDITIVA 26
II.1.3. CAUSAS Y CLASIFICACIÓN DE LA PÉRDIDA AUDITIVA 27
II.1.4. SISTEMAS DE COMUNICACIÓN PARA PERSONAS CON DISCAPACIDAD
AUDITIVA 29
II.1.5. LENGUAJE DE SEÑAS 31
II.1.6. PARÁMETROS FORMATIVOS DEL LENGUAJE DE SEÑAS 31
II.1.7. PLATAFORMAS ELECTRÓNICAS OPEN SOURCE 33
II.1.8. RASPBERRY PI 33
II.1.9. REDES NEURONALES ARTIFICIALES 35
II.1.10. ENTRENAMIENTO DE UNA RED NEURONAL ARTIFICIAL 42
II.1.11. CORRECCIÓN DE ERROR DE UNA RED NEURONAL ARTIFICIAL 42
II.1.12. PERCEPTRÓN MULTICAPA 43
II.1.13. ALGORITMO DE RETRO PROPAGACIÓN 43
II.1.14. PYTHON 44
II.1.15. TENSORFLOW 45
II.2. MARCO CONCEPTUAL 46
III. METODOLOGÍA 49
III.1. VARIABLES 49
III.1.1. Variables independientes o de entrada: 49
III.1.2. Variables dependientes o de salida: 49
III.2. DISEÑO DE EJECUCIÓN 49
III.2.1. Objeto de estudio: 49
6
III.2.2. Métodos: 50
III.2.3. Población y Muestra: 53
III.3. OPERACIONALIZACIÓN DE VARIABLES: 53
7
ÍNDICE DE FIGURAS
Figura N° 1: Respuesta del sist. de reconocimiento de gestos con redes entrenadas .... 17
Figura N° 2: Reconocimiento por acumulación de fallas de sensores ........................... 17
Figura N° 3: Desviación del dedo medio para la posición 4 ......................................... 21
Figura N° 4: Desviación del dedo medio para la posición 5 ......................................... 21
Figura N° 5: Estructura del oído humano ...................................................................... 26
Figura N° 6: Diferentes orientaciones de la mano ......................................................... 32
Figura N° 7: Estructura de una red neuronal artificial ................................................... 36
Figura N° 8: Estructura de funciones de una red neuronal artificial ............................. 37
Figura N° 9: MPL de 3 capas ........................................................................................ 43
Figura N° 10: Raspberry Pi 4......................................................................................... 45
Figura N° 11: TensorBoard, interfaz gráfica de TensorFlow ........................................ 46
Figura N° 12: Diagrama de flujo del diseño experimental ............................................ 50
8
ÍNDICE DE TABLAS
9
I. INTRODUCCIÓN
habla y la apropiación del lenguaje son inherentes a nuestro desarrollo a lo largo del
tiempo, y nos da la impresión de ser tareas sencillas para nosotros. Sin embargo, el
cada país. Es por ello, que es absolutamente necesaria la accesibilidad a las formas de
se prevé que para el año 2050 esta cifra aumentaría a 900 millones de personas; es decir,
una de cada diez personas presentaría algún problema auditivo (OMS, 2019). En el Perú,
más de 200 mil personas, que conforman el 7,6% de la población con alguna
discapacidad, presentan problemas auditivos (INEI, 2017). Esto representa una cantidad
10
El Perú no ha sido esquivo a esta problemática, y es por ello que contamos con la
en el país. Esta lengua está reconocida por el Estado mediante la Ley 29535, y ya está
El lenguaje de señas es de gran ayuda para establecer una mejor comunicación, sin
embargo, es necesario que ambas partes, tanto el emisor como receptor, tengan el
conocimiento para comunicarse en dicho lenguaje. Por ello, durante las últimas décadas
últimas a lenguaje hablado, con la finalidad de brindarle a las personas con discapacidad
Gallar Pérez, 2015); hasta la traducción mediante elementos mucho más prácticos, tal es
que permite traducir en tiempo real la lengua de señas al lenguaje oral (Innovadores, La
Razón, 2018), y aunque este último se encuentra en periodo de prueba, nos da a conocer
el avance de la tecnología y el gran aporte que ésta puede brindar en los diversos
En el Perú esta tecnología tiene aún muy pocas aplicaciones sobre esta
fin, que sea de fácil acceso, y que tenga la capacidad de reconocer las señas hechas con
la o las manos para luego poder traducirlas a través de un sintetizador de voz y así poder
11
hacer llegar el mensaje deseado de manera sonora. Con ello, se dará oportunidad a las
I.2. ANTECEDENTES
por procesar, el circuito de acondicionamiento se conecta a una placa Arduino Uno con
el objetivo de que esta placa pueda leer los valores de voltaje dependientes de la posición
de los dedos y deformación de los sensores, y así enviarlos mediante comunicación serial
al software Matlab.
software Matlab, convertir las señales de cada sensor en letras al español. Este algoritmo
está constituido por una red neuronal basada en el aprendizaje por error y preceptrón
simple, el cual consiste en formar una serie de operaciones comparativas con el fin de
obtener el resultado que coincide con los movimientos de los dedos de la mano.
Las siguientes tablas muestran algunos ejemplos de los resultados promedio de cada
12
Tabla 1. Muestreo de la posición del dedo pulgar de la mano
13
Tabla 2. Muestreo de la posición del dedo medio de la mano
embargo, las pruebas experimentales han sido aplicadas únicamente para la interpretación
de las letras del abecedario, y no para palabras y construcciones gramaticales básicas, por
lo cual no podemos observar la medición de las posiciones y errores en esos casos, por lo
mediante el uso de una pantalla LCD y una bocina (G. Ruvalcaba, M. Ruvalcaba, Orozco,
multiplexor para así enviar los datos a un Arduino Nano en donde se realizará el
14
procesamiento y la salida de datos mediante la pantalla LCD y bocina mencionados
anteriormente.
La finalidad del trabajo es, a partir del alfabeto dactilológico y las palabras
obtienen valores máximos y mínimos de cada sensor de flexión para así establecer un
cada letra o palabra seleccionada y así realizar un mapeo para guardar la información y
impresión de datos, que será visualizada en una pantalla LCD y escuchada mediante una
Las siguientes tablas muestran una ejemplificación tanto de los resultados como el
Letra A
Componente Valor
S.F. 1* > 30
S.F. 2 <= 15
S.F. 3 <= 15
S.F. 4 <= 15
S.F. 5 <= 15
B. 1* 1
B. 2 1
B. 3 1
B. 4 1
B. 5 1
A. 1* X=0 Y = > 570 Z=0
A. 2 X=0 Y=0 Z=0
15
Tabla 4. Representación del margen de error obtenido en pruebas
N1 N2 N3 N4 N5 N6 % Error
A • • • • • • 0%
E X • • • • • 16.7 %
Hola X • • • • • 16.7 %
Adiós • • X • • • 33.4 %
mencionada han considerado el uso tanto de letras como palabras básicas de una Lengua
los sensores de flexión, y esto conlleva a obtener un elevado margen de error y por ello,
gestos manuales que realice una traducción de gestos a necesidades básicas de una
persona de la tercera edad con problemas del habla (Dulanto Ramos, 2015). Esta
las cuales son el modelamiento directo e inverso, y para ello se usa la herramienta
análisis paramétrico (directo) a una mano antropomórfica que reacciona a las señales
dadas por los movimientos del guante electrónico, para luego poder aplicar identificación
de sistemas mediante los algoritmos de redes neuronales, que en este caso son algoritmos
16
modelado inverso con la finalidad de hacer al sistema tolerante a fallas, para concluir
17
De la información mostrada se puede observar que el sistema de reconocimiento es
altamente tolerable a fallas externas e internas, y logra una precisión superior al 99%
simulación muerta, por lo cual no esta investigación no cuenta con una comprobación
Por otro lado, se ha encontrado una investigación en la cual los autores presentan un
prototipo que permite traducir el lenguaje dactilológico usado por las personas con
problemas del habla (Espinoza y Pogo, 2013). Este prototipo consta de ocho sensores
flexibles, uno en el pulgar y meñique, y dos en los dedos restantes, y cuenta con una
PIC18F4550 con comunicación USB, donde se dará la recepción de datos para enviarlos
Mediante la recepción de señales de los sensores provenientes del guante, estos datos
se llevan vía USB al software Matlab, el cual recepciona esta información y las almacena
única vez, y en las siguientes entradas de las señales realiza la comparación con los
valores ya existentes.
consideraciones de tolerancia:
18
Tabla 5. Pruebas de funcionamiento con una tolerancia igual a 100
Pruebas
Señas Tolerancia
Satisfactorias
A X ✔ X X ✔ 100
B ✔ ✔ X X X 100
C X ✔ X ✔ ✔ 100
D ✔ X ✔ ✔ X 100
E ✔ ✔ X ✔ X 100
F X ✔ X ✔ ✔ 100
G X ✔ X X ✔ 100
H ✔ ✔ X ✔ X 100
I ✔ ✔ X X X 100
Pruebas
Señas Tolerancia
Satisfactorias
A ✔ ✔ ✔ X ✔ 120
B ✔ ✔ X ✔ ✔ 120
C X ✔ X ✔ ✔ 120
D ✔ ✔ ✔ ✔ X 120
E ✔ ✔ X ✔ X 120
F X ✔ ✔ ✔ ✔ 120
G ✔ ✔ X X ✔ 120
H ✔ ✔ X ✔ ✔ 120
I ✔ ✔ ✔ X ✔ 120
Pruebas
Señas Tolerancia
Satisfactorias
A ✔ ✔ X ✔ ✔ 140
B ✔ ✔ ✔ ✔ ✔ 140
C ✔ ✔ ✔ ✔ ✔ 140
D ✔ ✔ ✔ ✔ ✔ 140
E ✔ ✔ ✔ ✔ X 140
F ✔ ✔ ✔ ✔ ✔ 140
G ✔ X ✔ X ✔ 140
H ✔ ✔ ✔ ✔ ✔ 140
I ✔ ✔ ✔ ✔ ✔ 140
19
De la información mostrada, se puede observar que el resultado es mucho más preciso
dedos de una mano (Maila, 2008), y que cuenta con una visualización en tiempo real a
través de una computadora. Este prototipo tiene como base de construcción un guante, al
uso del software Visual Basic 6.0., se ha desarrollado una aplicación que procesa la
Esta aplicación establece una relación entre los valores enviados por los sensores y
representación gráfica.
investigación:
20
Tabla 8. Valores obtenidos de los ángulos y los errores
21
De la información mostrada, podemos observar que los resultados hallados muestran
un margen de error aceptable cuando analizamos cada sensor de forma individual, sin
síntesis de movimiento.
discapacidades auditivas y del habla que permita traducir de forma eficiente el lenguaje
I.4. OBJETIVOS
I.4.1. GENERAL
habla, con respecto a un marco referencial que integre los planteamientos teóricos
hablado, y así contribuir con una mejora en la calidad de vida y en las relaciones
22
I.4.2. ESPECÍFICOS
Peruana.
implementado.
I.5. HIPÓTESIS
I.6. JUSTIFICACIÓN
1. Relevancia tecnológica
auditivos y del habla, haciendo uso de diversos algoritmos para mejorar su comunicación;
sin embargo, los mecanismos diseñados hasta el momento muestran márgenes de error
aceptables únicamente al realizar pruebas sintetizando letras. Es por ello, que esta tesis
23
propone la implementación de un algoritmo basado en redes neuronales que brinde una
2. Relevancia institucional
3. Relevancia social
personales y profesionales.
4. Relevancia económica
este tipo de mecanismos de forma masiva, y sean de fácil acceso al público en general.
5. Relevancia ambiental
24
II. MARCO REFERENCIAL
dice, es por ello que se convierte en una función indispensable para la comunicación oral.
El órgano que se encarga de cumplir esta función es el oído, que es el que transforma las
ondas sonoras recibidas del exterior, para luego amplificarlas y convertirlas en energía
bioeléctrica para que el cerebro pueda procesarlas y darles un significado. El oído está
cumple una función de embudo para conducir el sonido hacia adentro. La oreja
25
Figura N° 5. Estructura del oído humano
La pérdida auditiva se define como la incapacidad para recibir de forma adecuada los
no solo escucha con menor intensidad, sino que también percibe el sonido de forma
Una persona que cuenta con pérdida auditiva enfrenta a menudo severos problemas
sonora, para identificar cualquier sonido del habla o del ambiente, e incluso para poder
laboral.
26
El grado de pérdida auditiva se especifica de acuerdo al umbral de intensidad en la
que una persona escucha. Este umbral se mide en términos de qué tan fuerte debe ser el
herpes e influenza.
lesión que va del oído hacia el cerebro, lo cual tiene como consecuencia principal
27
tampoco entre sonidos, y es posible confundir palabras como copa-sopa, o
están afectadas.
este caso, es mucho más complicado el poder desarrollar el lenguaje oral, dado
que no puede escuchar las palabras y tampoco sabe cómo articularlas, por lo que
Posibles
Cómo se escucha
Grado de consecuencias de
Clasificación Causa posible según el grado de
pérdida la pérdida (si no
pérdida
hay tratamiento)
0-15dB Normal Todos los sonidos del Ninguna
lenguaje y ambientales
15-20dB Ligera Pérdida auditiva de tipo Las vocales se escuchan Ligeros problemas en la
conductivo y algunas con claridad, pero se adquisición del lenguaje.
neurosensoriales pueden dejar de oír
algunas consonantes en
contextos ruidosos.
20-30dB Media Pérdida auditiva de tipo Sólo algunos sonidos del Ligero retardo del
conductivo y habla emitidos en voz lenguaje, problemas para
neurosensorial. alta. comprender lenguaje en
ambientes ruidosos e
inatención.
30-50dB Moderada Pérdida auditiva de tipo Casi ningún sonido del Problemas del habla,
conductivo con habla a una intensidad de retardo del lenguaje,
desórdenes crónicos en conversación normal. problemas en el
oído medio; pérdidas aprendizaje e inatención.
neurosensoriales.
50-70dB Severa Pérdidas Ningún sonido del habla a Problemas severos del
neurosensoriales mixtas una intensidad de habla, retraso del
y combinación de conversación normal. lenguaje, y problemas en
28
disfunción de oído medio el aprendizaje y la
e interno. atención.
DISCAPACIDAD AUDITIVA
Existen diversas formas de comunicación que son usadas por las personas con
cada letra está representada con una forma que se hace sobre la palma de la
mano.
mano con el índice cada una de las letras que componen las palabras en
1.3. El dedo como lápiz: Se toma el dedo índice de la persona y se escribe con
29
2. SISTEMAS DE COMUNICACIÓN NO ALFABÉTICOS
2.3. Lengua oral: En caso de que los restos de audición sean lo suficientemente
funcionales para permitir aún la recepción auditiva, hay una gran posibilidad
las cuales se recibe el mismo, como el tono del emisor, volumen, ruido
2.4. Bimodal: Hace referencia a los mensajes que se expresan en dos modalidades
España, 2019)
30
II.1.5. LENGUAJE DE SEÑAS
las manos como articuladores activos, y el uso del espacio como lugar de articulación y
como referencia temporal. Para aprender este lenguaje es necesario ejercitar la atención,
1. CONFIGURACIÓN DE LA MANO
Hace referencia a las propiedades de los dedos y las uniones entre las falanges
una gran cantidad de formas diferentes. Sin embargo, a pesar de la gran cantidad
El punto de articulación es una región del cuerpo o del espacio alrededor del
cuerpo del signante en la que las manos interactúan para producir un signo. Esta
área está delimitada en el plano vertical por la parte superior de la cabeza y por la
31
4. EL MOVIMIENTO
Los signos, por norma general, contienen algún movimiento y no suelen ser
estáticos en alguna de las localizaciones. Incluso en los casos en los que la forma
5. OTRAS CARACTERÍSTICAS
ser esenciales para describir la estructura interna de todas las lenguas de signos
32
II.1.7. PLATAFORMAS ELECTRÓNICAS OPEN SOURCE PARA
robótica, etc. Estas plataformas se basan en el concepto de Hardware Libre (HL), el cual
se define como “aquel hardware cuyo diseño se hace disponible públicamente para que
original como otros objetos basados en ese diseño”. (Lazalde, Torres & Vila-Viñas, 2015)
soberanía tecnológicas, así como la adopción de las libertades al igual que el software
2015)
II.1.8. RASPBERRY PI
por la Raspberry Pi Foundation, la cual es una organización benéfica del Reino Unido
33
que tiene como objetivo educar a las personas en informática y crear un acceso más fácil
a la educación tecnológica.
La Raspberry Pi fue lanzada en el año 2012, y desde entonces se han lanzado varias
iteraciones. El Pi original contaba con una CPU de 700MHz de un solo núcleo y solo
256MB de RAM, mientras que el último modelo tiene una CPU de 1,4GHz de cuatro
núcleos con una versión de hasta 4GB de RAM. (Red Hat, Inc., 2019)
Para trabajar con una Raspberry Pi es necesario contar con almacenamiento que en
este caso específico debe ser una tarjeta de memoria Micro SD. Las placas más actuales
cuentan con 4 puertos USB para poder conectar periféricos como mouse y teclado, un
Ethernet para poder conectarse a internet de forma cableada, aunque también cuentan con
encuentran: Raspbian, Arch Linux, RaspBMC, Pidora u OpenELEC, así como también
existe una versión de Windows 10 para esta plataforma. (Red Hat, Inc., 2019)
A continuación, se mostrará una tabla con las especificaciones técnicas de las placas
34
Raspberry
1 Micro 512MB
Pi Zero/ ARM11 Mini-HDMI 1GHz
USB LPDDR2
Zero W
Una Red Neuronal Artificial (ANN) es un modelo matemático que intenta emular a
Las ANN se basan en una estructura de neuronas unidas por enlaces que transmiten
del mismo fenómeno. El comportamiento de las redes depende entonces de los pesos para
los enlaces, de las funciones de activación que se especifican para las neuronas, las que
35
Figura N° 7. Estructura de una red neuronal artificial
Las capas de entrada y salida son siempre únicas, mientras que la cantidad de
36
Figura N° 8. Estructura de funciones de una red neuronal artificial
1].
Fernández, 2014)
37
2. CLASIFICACIÓN DE REDES NEURONALES
correspondiente salida 𝐵𝑖 .
2014)
correspondientes.
38
Producto de entradas pesadas: Es el producto de todos los
correspondientes.
Función lineal:
1
−1, 𝑠𝑖 (𝑖𝑛𝑝𝑢𝑡𝑖 − 𝜃𝑖 ) ≤ −
𝑎
1 1
𝑓(𝑥) = 𝑎 ∗ (𝑖𝑛𝑝𝑢𝑡𝑖 − 𝜃𝑖 ), 𝑠𝑖 − < (𝑖𝑛𝑝𝑢𝑡𝑖 − 𝜃𝑖 ) < (5)
𝑎 𝑎
1
{ 1, 𝑠𝑖 (𝑖𝑛𝑝𝑢𝑡𝑖 − 𝜃𝑖 ) ≥
𝑎
Función sigmoidea:
1
𝑓(𝑥) = (6)
1+ 𝑒 −𝑎·(𝑖𝑛𝑝𝑢𝑡𝑖 −𝜃𝑖 )
39
Ninguna: Es el tipo de función más sencillo, tal que la salida es
Binaria:
1, 𝑠𝑖 𝑓(𝑥) ≥ 𝜃𝑖
𝑓(𝑥) = { (8)
0, 𝑠𝑖 𝑓(𝑥) < 𝜃𝑖
Una red neuronal está diseñada para aprender, y lo puede realizar de diversas
formas:
en su funcionamiento.
estocástico.
40
- Hebbiano (Para neuronas binarias): Si dos neuronas 𝑁𝑖 y 𝑁𝑗 tienen el
incrementa.
Las redes neuronales poseen una cantidad incontable de ventajas, entre ellas:
aprendizaje, los enlaces ponderados de las neuronas son ajustados de tal forma
la red neuronal.
4.4. Operación en tiempo real: Los cálculos neuronales pueden ser realizados de
forma paralela.
41
II.1.10. ENTRENAMIENTO DE UNA RED NEURONAL ARTIFICIAL
conexiones sistemáticas para codificar la relación entre la entrada y salida de la red. (Alejo
Eleuterio, 2010)
técnica de descenso por gradiente que hace uso de la minimización del error cuadrático
𝑁 𝐾
1
𝐸(𝑉) = ∑ ∑(𝑑𝑘𝑛 − 𝑧𝑘𝑛 )2 (9)
2𝑁
𝑛=1 𝑘=1
ARTIFICIAL
𝛿 = 𝛼(𝑑 − 𝑦) (10)
42
II.1.12. PERCEPTRÓN MULTICAPA
una o más capas ocultas entre los nodos de entrada y los nodos de salida. Se caracteriza
conexiones hacia atrás. Cada capa alimenta a todas las neuronas de la capa siguiente.
vector de entrada (𝑋) y el número de neuronas en la capa de salida con el total de clases
ciclo de dos fases: propagación y adaptación. Una vez que se ha aplicado un patrón a la
entrada de la red como estímulo, este se propaga desde la primera capa a través de las
43
capas superiores de la red, hasta generar una salida. La señal de salida se compara con la
salida deseada y se calcula una señal de error para cada una de las salidas.
Las salidas de error se propagan hacia atrás, partiendo de la capa de salida, hacia
todas las neuronas de la capa oculta que contribuyen directamente a la salida. Sin
embargo, las neuronas de la capa oculta, solo reciben una fracción de la señal total del
neurona a la salida original. Este proceso se repite, capa por capa, hasta que todas las
neuronas de la red hayan recibido una señal de error que describa su contribución relativa
al error total. Basándose en la señal de error percibida, donde se actualizan los pesos de
conexión de cada neurona, para hacer que la red converja hacia un estado que permita
II.1.14. PYTHON
Python es un lenguaje de programación que fue creado por Guido van Rossum en
1991. Se caracteriza por ser de alto nivel e interpretado, haciendo especial énfasis en la
Python es ampliamente usado en todas las industrias, por ejemplo: Google, Reddit,
en la NASA y en la CIA, Mozilla Firefox, Instagram, Disney, y juegos como Los Sims 4.
44
Figura N° 10. Raspberry Pi 4
II.1.15. TENSORFLOW
TensorFlow es una librería desarrollada por Google para construir y entrenar redes
por Google) y es usada tanto para la investigación como para la producción de los propios
productos de Google.
Su arquitectura flexible hace que pueda ser ejecutada en una gran cantidad de
decir que se debe definir el modelo de la red neuronal antes de empezar a ejecutarla o
Los tensores (elementos que dan nombre a esta librería) son objetos geométricos que
describen relaciones entre vectores geométricos, escalares y otros tensores. Es decir, son
los objetos que maneja la red para producir valores. Así, cada nodo del grafo tomará como
entrada 0, 1 o más tensores y producirá un tensor como salida, que será pasado a otros
nodos.
45
Para introducir valores en la red usaremos variables, las cuales serán fijas siempre, o
vez que usemos la red. TensorFlow nos permite utilizar también librerías numéricas
avanzadas para nuestras representaciones de valores, como son NumPy y Pandas. (Conde
Ortiz, 2018)
1. Decibelio
Unidad de medida que sirve para expresar la relación entre dos potencias mediante
el logaritmo decimal de esta relación. También permite expresar la relación entre dos
magnitudes de campo, como una tensión, una corriente, una presión acústica, un
46
proporcional a una potencia en los sistemas lineales. (Unión internacional de
Telecomunicaciones, 2016)
2. Plataforma Virtual
3. Sistemas embebidos
piezas mecánicas o de otro tipo, diseñado para tener una función específica. Estos
4. CPU
diseñado para resolver todos los problemas de cómputo de manera general. El diseño
del caché y la memoria está diseñado para ser óptimo para cualquier problema de
5. GPU
6. TPU
para que un TPU pueda usarse para programación de propósito general, por lo tanto,
47
7. Periférico
computadora, pero no forma parte del núcleo básico (CPU, memoria, placa madre,
de información (disco duro, unidad de disco óptico, etc.). Los periféricos suelen poder
8. Patrón
9. Codificación
Es una etapa en la que se debe traducir los algoritmos que deseemos a un lenguaje
de programación específico; es decir, las acciones definidas en los algoritmos hay que
de tipado dinámico son lenguajes interpretados, como Python o Ruby. (Berzal, 2018)
11. Librería
48
12. Grafo
(TAD), que consiste en un grupo de nodos a los cuales también le podemos llamar
vértices y un grupo de aristas que establecen relaciones entre los vértices. (Conde
Ortiz, 2018)
III. METODOLOGÍA
III.1. VARIABLES
mano.
49
III.2.2. Métodos
En esta tesis se hará uso del método experimental, debido a que las variables
50
1. SELECCIÓN DE COMPONENTES
desarrollo.
más óptimos.
4. SELECCIÓN DE SEÑAS
de la red neuronal.
5. MEDICIÓN DE DATOS
51
Estos datos serán agrupados en “paquetes” para que puedan ser identificados por
la red neuronal.
6. PREPROCESAMIENTO DE DATOS
posibles inconvenientes con los sensores, como estar mal colocados o con alguna
presentados en los antecedentes, que servirán de guía para iniciar las pruebas
correspondientes.
52
10. IMPLEMENTACIÓN FINAL DEL SISTEMA
lenguaje hablado.
III.2.3.1. Población
III.2.3.2. Muestra
Definición
Variable Indicadores Unidad de medida
conceptual
Conjunto de valores
proporcionados por
VI: Valores
sensores de Valores de sensores Valor digital entre
correspondientes a
movimiento, que de flexión [0,5V]
movimientos de la
representan los (movimiento) Unidad: Voltaje
mano
movimientos de los
dedos de la mano.
Conjunto de valores
Valores digitales
proporcionados por
VI: Valores entre [-360,360] en
sensor de posición, Valores de
correspondientes a los canales X, Y y Z
que representa la giroscopio (posición)
posición de la mano Unidad:
posición de la mano
grados/segundo (°/s)
en el espacio.
53
Audio proporcionado
por un miniparlante,
VD: Traducción oral
como respuesta a un
a los valores
proceso de
correspondientes a la Traducción sonora Unidad: Cualitativa
reconocimiento de
posición y correcta del gesto (acierto o falla)
gestos en base a los
movimiento de la
valores de
mano.
movimientos y
posición de la mano.
54
CAPÍTULO III: METODOLOGÍA
V. REFERENCIAS BIBLIOGRÁFICAS
Santos, D. (2012) Fundamentos de la Comunicación. Tlalnepantla: Red Tercer Milenio
S.C.
Diario El Peruano. (2015) Ley N° 29535: Ley que otorga Reconocimiento Oficial a la
Lengua de Señas Peruanas. Lima: Congreso Nacional de la República
55
Calvache Espín, D. (2015) Diseño y construcción de un dispositivo para interpretación
movimiento con un grado de libertad de los dedos de una mano y visualización en una
Red Hat, Inc. (2019) What is a Raspberry Pi? Recuperado el 10 de Julio del 2019 de:
https://opensource.com/resources/raspberry-pi
56
Alejo Eleuterio, R. (2010) Análisis del error en redes neuronales: Corrección de los
datos y distribuciones no balanceadas. Universitat Jaume I, España.
García Martínez, R., Servente, M., & Pasquín, D. (2003) Sistemas Inteligentes, Capítulo
1: "Aprendizaje automático", Capítulo 2: "redes Neuronales Artificiales". Buenos Aires,
Argentina.
57
ANEXOS
ANEXO N° 01
REALIDAD:
Personas con discapacidades auditivas y del habla presentan problemas al
momento de comunicarse con las personas que desconocen el lenguaje de señas
como forma de comunicación.
NECESIDAD:
Formas de comunicación que se puedan establecer entre personas con problemas
auditivos y del habla, y personas que no tienen estas discapacidades, para tener
una comunicación efectiva.
PROBLEMA:
Falta de mecanismos de comunicación entre personas con discapacidad auditiva
y del habla, accesibles al público y de fácil manejo.
PLANTEAMIENTO TEÓRICO:
Se pueden desarrollar mecanismos que permiten una mejor comunicación a las
personas con problemas auditivos y del habla.
REALIDAD:
Mecanismos ya existentes para mejorar la comunicación de personas con
problemas auditivos y del habla no son completos y tampoco son de fácil acceso
para el público en general.
PROBLEMA:
Necesidad de desarrollar mecanismos para mejorar la comunicación en personas
con problemas auditivos y del habla que sean completos y accesibles al público
en general.
58
2.2. Criterio 6 – Carencias:
OBJETIVO:
Masificar el uso de mecanismos para mejorar la comunicación en personas con
discapacidades auditivas y del habla.
REALIDAD:
La existencia de mecanismos para mejorar la comunicación en personas con
discapacidades auditivas y del habla únicamente en ámbitos de desarrollo
educativo y en pruebas experimentales.
PROBLEMA:
Inexistencia de mecanismos para mejorar la comunicación en personas con
discapacidad auditiva y del habla en el ámbito comercial.
OBJETIVO:
Desarrollar mecanismos para personas con discapacidad auditiva y del habla a un
costo accesible al público en general.
REALIDAD:
Los elementos usados para lograr la implementación de estos mecanismos son de
costo elevado.
PROBLEMA:
Elevado costo de implementación de mecanismos para personas con
discapacidades auditivas y del habla.
59
ANEXO N° 02
TABLA DE CRITERIOS
60
ANEXO N° 03
61