Proyecto IA del IB: Detección de Objetos y Control de Arduino con Base de Datos

 

Proyecto IA del IB: Detección de Objetos y Control de Arduino con Base de Datos



Descripción del Proyecto

Este sistema utiliza Python y OpenCV para detectar un color u objeto específico mediante una cámara. Al detectar el objeto, se envía una señal a Arduino para activar un dispositivo, como un LED o un motor. Además, se registra en una base de datos SQLite cada vez que se detecta el objeto.

📌 Ejemplo de Aplicación:

  • Seguridad: Encender una alarma si se detecta un objeto sospechoso.

  • Industria: Activar una máquina si se detecta un producto específico en una cinta transportadora.

Criterio A: Análisis del Problema

Contexto y Problema

Las fábricas necesitan sistemas automatizados para identificar objetos en movimiento y activar mecanismos sin intervención humana. Actualmente, muchas empresas dependen de operadores humanos para tareas de clasificación, lo que puede generar errores y retrasos.

Objetivo del Proyecto

Diseñar un sistema que detecte objetos de un color específico, registre la detección en una base de datos SQLite y active un mecanismo físico mediante Arduino.

Criterio B: Diseño del Sistema

Diagrama de Flujo

[Inicio] --> Capturar imagen con cámara --> Procesar imagen con OpenCV 

  --> Detectar color/objeto --> Si se detecta, guardar en base de datos y activar Arduino

  --> Mostrar resultados en pantalla --> [Repetir]


Tecnologías Utilizadas

✅ Python + OpenCV (procesamiento de imagen)
 ✅ SQLite (base de datos para almacenar detecciones)
 ✅ PySerial (comunicación con Arduino)
 ✅ Arduino + LED o Servo (acción física tras detección)

Criterio C: Desarrollo del Producto

1. Configuración de la Base de Datos (SQLite)

import sqlite3


# Conectar a la base de datos

conn = sqlite3.connect('detecciones.db')

cursor = conn.cursor()


# Crear tabla si no existe

cursor.execute('''CREATE TABLE IF NOT EXISTS registros (

                    id INTEGER PRIMARY KEY AUTOINCREMENT,

                    objeto_detectado TEXT,

                    fecha_hora DATETIME DEFAULT CURRENT_TIMESTAMP

                )''')


conn.commit()

conn.close()


2. Código en Python (OpenCV + SQLite + Arduino)

import cv2

import serial

import sqlite3

import time

import numpy as np


# Configurar comunicación con Arduino (ajustar el puerto según corresponda)

arduino = serial.Serial('COM3', 9600)  # Cambia 'COM3' según tu sistema

time.sleep(2)  # Esperar conexión


# Conectar a la base de datos SQLite

def registrar_deteccion(objeto):

    conn = sqlite3.connect('detecciones.db')

    cursor = conn.cursor()

    cursor.execute("INSERT INTO registros (objeto_detectado) VALUES (?)", (objeto,))

    conn.commit()

    conn.close()


# Capturar video desde la cámara

cap = cv2.VideoCapture(0)


while True:

    ret, frame = cap.read()

    if not ret:

        break


    # Convertir a formato HSV

    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)


    # Definir el rango de color a detectar (ejemplo: Rojo)

    lower_red = np.array([0, 120, 70])

    upper_red = np.array([10, 255, 255])

    mask = cv2.inRange(hsv, lower_red, upper_red)


    # Si hay suficiente área de detección, activar Arduino y guardar en la base de datos

    if np.sum(mask) > 50000:

        arduino.write(b'1')  # Enviar señal a Arduino

        registrar_deteccion("Objeto Rojo")

    else:

        arduino.write(b'0')  # Apagar el LED


    # Mostrar imagen en tiempo real

    cv2.imshow("Detección de Color", mask)


    # Salir con la tecla 'q'

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break


cap.release()

cv2.destroyAllWindows()

arduino.close()


3. Código en Arduino (Recibir Señal y Activar LED o Motor)

int ledPin = 13;  // LED conectado al pin 13


void setup() {

  pinMode(ledPin, OUTPUT);

  Serial.begin(9600);

}


void loop() {

  if (Serial.available() > 0) {

    char data = Serial.read();  // Leer datos de Python


    if (data == '1') {

      digitalWrite(ledPin, HIGH);  // Encender LED

    } else if (data == '0') {

      digitalWrite(ledPin, LOW);  // Apagar LED

    }

  }

}


Criterio D: Evaluación

Pruebas Realizadas

✅ Prueba de detección de color: Se probó con objetos de diferentes colores y tamaños.
 ✅ Registro en base de datos: Se verificó que cada detección se almacene correctamente.
 ✅ Comunicación con Arduino: Se comprobó que el LED responde según la detección.


Conclusión

Este proyecto demuestra cómo Python, OpenCV y Arduino pueden integrarse para desarrollar un sistema de detección automatizado. Se aplicaron técnicas de procesamiento de imagen, manejo de bases de datos y control de hardware, lo que cumple con los requisitos del IA del IB en Ciencias de la Computación.

¿Por qué este proyecto es ideal para el IA del IB?

✅ Interdisciplinario: Combina visión por computadora, bases de datos y hardware.
 ✅ Uso de algoritmos avanzados: Aplica procesamiento de imagen y control de hardware.
 ✅ Innovador y práctico: Tiene aplicaciones en seguridad, robótica e industria.
 ✅ Cumple con el formato del IA: Incluye análisis, diseño, desarrollo y evaluación.


Desarrollo:

Voy a proporcionarte un paso a paso detallado para construir el proyecto, incluyendo la integración de una interfaz gráfica (GUI) con Tkinter para visualizar las detecciones en tiempo real y gestionar la base de datos.

🚀 Proyecto IA del IB: Detección de Objetos con OpenCV, Arduino y Base de Datos

Este proyecto permite detectar un objeto de color específico usando OpenCV, registrarlo en una base de datos SQLite y activar un dispositivo con Arduino. Además, incluye una interfaz gráfica (GUI) con Tkinter para visualizar las detecciones y consultar los registros guardados.

📌 Requisitos del Proyecto

Antes de empezar, asegúrate de tener instaladas las siguientes herramientas y bibliotecas.

1️⃣ Materiales Necesarios

  • Computadora con Python y OpenCV

  • Arduino (UNO, Mega, Nano, etc.)

  • LED o Servo Motor

  • Cámara Web o Raspberry Pi Camera

  • Cables de conexión

2️⃣ Instalación de Librerías en Python

Abre la terminal y ejecuta:

pip install opencv-python numpy pyserial sqlite3 tkinter


📖 Paso a Paso del Proyecto

🔹 Paso 1: Crear la Base de Datos SQLite

La base de datos registrará cada detección con la fecha y el tipo de objeto detectado.

📌 Código: database.py

import sqlite3


# Conectar a la base de datos o crearla si no existe

conn = sqlite3.connect('detecciones.db')

cursor = conn.cursor()


# Crear la tabla si no existe

cursor.execute('''CREATE TABLE IF NOT EXISTS registros (

                    id INTEGER PRIMARY KEY AUTOINCREMENT,

                    objeto_detectado TEXT,

                    fecha_hora DATETIME DEFAULT CURRENT_TIMESTAMP

                )''')


conn.commit()

conn.close()


🔹 Paso 2: Código en Python (Detección de Color, Arduino y Base de Datos)

📌 Código: detector.py

import cv2

import serial

import sqlite3

import time

import numpy as np


# Configuración de la conexión con Arduino

arduino = serial.Serial('COM3', 9600)  # Cambia 'COM3' según tu sistema

time.sleep(2)  # Esperar conexión


# Conectar a la base de datos

def registrar_deteccion(objeto):

    conn = sqlite3.connect('detecciones.db')

    cursor = conn.cursor()

    cursor.execute("INSERT INTO registros (objeto_detectado) VALUES (?)", (objeto,))

    conn.commit()

    conn.close()


# Captura de video

cap = cv2.VideoCapture(0)


while True:

    ret, frame = cap.read()

    if not ret:

        break


    # Convertir a formato HSV

    hsv = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)


    # Definir el rango de color a detectar (Ejemplo: Rojo)

    lower_red = np.array([0, 120, 70])

    upper_red = np.array([10, 255, 255])

    mask = cv2.inRange(hsv, lower_red, upper_red)


    # Si se detecta suficiente rojo, activar Arduino y guardar en base de datos

    if np.sum(mask) > 50000:

        arduino.write(b'1')  # Enviar señal a Arduino

        registrar_deteccion("Objeto Rojo")

    else:

        arduino.write(b'0')  # Apagar LED


    # Mostrar imagen procesada

    cv2.imshow("Detección de Color", mask)


    # Salir con 'q'

    if cv2.waitKey(1) & 0xFF == ord('q'):

        break


cap.release()

cv2.destroyAllWindows()

arduino.close()


🔹 Paso 3: Código en Arduino (Activar LED/Motor según la detección)

📌 Código: arduino.ino

int ledPin = 13;  // LED conectado al pin 13


void setup() {

  pinMode(ledPin, OUTPUT);

  Serial.begin(9600);

}


void loop() {

  if (Serial.available() > 0) {

    char data = Serial.read();  // Leer datos desde Python


    if (data == '1') {

      digitalWrite(ledPin, HIGH);  // Encender LED

    } else if (data == '0') {

      digitalWrite(ledPin, LOW);  // Apagar LED

    }

  }

}


🔹 Paso 4: Crear la Interfaz Gráfica (GUI) con Tkinter

📌 Código: gui.py

import tkinter as tk

from tkinter import ttk

import sqlite3


# Función para obtener los registros de la base de datos

def obtener_registros():

    conn = sqlite3.connect('detecciones.db')

    cursor = conn.cursor()

    cursor.execute("SELECT * FROM registros ORDER BY fecha_hora DESC")

    registros = cursor.fetchall()

    conn.close()

    return registros


# Función para actualizar la tabla en la GUI

def actualizar_tabla():

    for row in tabla.get_children():

        tabla.delete(row)


    for registro in obtener_registros():

        tabla.insert("", "end", values=registro)


# Crear la ventana principal

root = tk.Tk()

root.title("Detecciones de Objetos")


# Crear la tabla

columnas = ("ID", "Objeto Detectado", "Fecha y Hora")

tabla = ttk.Treeview(root, columns=columnas, show="headings")


for col in columnas:

    tabla.heading(col, text=col)

    tabla.column(col, width=200)


tabla.pack(pady=20)


# Botón para actualizar la tabla

boton_actualizar = tk.Button(root, text="Actualizar", command=actualizar_tabla)

boton_actualizar.pack()


# Inicializar la tabla con los datos actuales

actualizar_tabla()


# Ejecutar la GUI

root.mainloop()


📌 Conclusión y Resultados

✅ Detección de color con OpenCV en tiempo real.
 ✅ Interacción con Arduino para encender o apagar un LED.
 ✅ Almacenamiento en SQLite de cada detección con fecha y hora.
 ✅ Interfaz gráfica (GUI) con Tkinter para visualizar los registros.

📌 Resumen del Proyecto IA del IB

1️⃣ Análisis (Criterio A)

  • Problema: Automatizar la detección de objetos en la industria o seguridad.

  • Objetivo: Crear un sistema que detecte colores, registre eventos y active un dispositivo.

2️⃣ Diseño (Criterio B)

  • Uso de OpenCV para procesamiento de imagen.

  • Base de datos SQLite para almacenamiento.

  • Tkinter para interfaz gráfica.

  • Arduino para el control de hardware.

3️⃣ Desarrollo (Criterio C)

  • Implementación del código en Python, SQLite y Arduino.

  • Pruebas de detección de color y comunicación serial.

4️⃣ Evaluación (Criterio D)

  • Se realizaron pruebas exitosas con distintos objetos.

  • La base de datos registra correctamente cada detección.

  • La interfaz gráfica permite visualizar registros en tiempo real.

Comments

Post a Comment

Popular posts from this blog

Te cuento mi aventura como mestra IB de Design y STEM

Image
  A mediados de 2019, justo antes del inicio de la pandemia de COVID-19, y con cinco años de experiencia trabajando para el Grupo Intercorp en laboratorios especializados de ingeniería, tomó la decisión de contribuir a la sociedad de una manera más significativa. Durante mi época universitaria, tuve el honor de colaborar con el grupo WIE de IEEE, y fue allí donde me enamoré de su trabajo social. Las iniciativas de las mujeres de WIE, como las conferencias gratuitas para inspirar a más niñas a elegir carreras STEM y su trabajo en la preparación de alimentos para albergues, llenaron mi corazón de profunda satisfacción. Reflexionando sobre estas experiencias, comprendiendo que si realmente quiero contribuir al progreso de mi país, debo enfocarme en apoyar la educación.  Para lograr este objetivo, me dediqué a investigar sobre los mejores sistemas educativos y el que más me cautivó fue el Bachillerato Internacional. Me impresionó su enfoque en el desarrollo de habilidades fundamen...
Read more

Cómo enseñar a mover motores con Arduino (RECOMENDABLE PARA COLLEGIOS, GOOGLE REFERENCE SCHOOL QUE USEN CHROMEBOOKS!)

Image
Es muy probable que, como docente de cursos STEM, Diseño o ICT, trabajes en una institución que esté en proceso de certificarse como Google Reference School o que ya cuente con esta distinción. En estos entornos educativos, el uso de dispositivos 1:1 facilita una integración tecnológica personalizada, promoviendo el aprendizaje activo y colaborativo. Por la naturaleza de estos cursos, donde el aprendizaje se centra en proyectos diseñados para resolver problemas reales de la comunidad estudiantil o global alineados con los Objetivos de Desarrollo Sostenible (ODS), es esencial preparar a los estudiantes para alcanzar estándares internacionales. Esto implica fomentar en ellos las habilidades necesarias para crear tecnología, permitiéndoles ser innovadores en lugar de limitarse a ser consumidores pasivos de herramientas tecnológicas. A continuación, te presento el paso a paso que varios docentes han solicitado para implementar esta metodología en sus clases, potenciando el aprendizaje basa...
Read more

Python con Arduino + Interfaz

Image
   Controlar LED con Tkinter y Arduino ✅ Objetivo: Crear una interfaz gráfica con Tkinter para controlar un LED conectado al Arduino . 1️⃣ Materiales Necesarios Placa Arduino UNO (o compatible) Cable USB para conectar el Arduino Python 3 instalado Tkinter (ya viene con Python por defecto) PySerial instalado ( pip install pyserial ) 2️⃣ Código en Arduino (IDE de Arduino) Antes de crear la interfaz gráfica en Python, debemos programar el Arduino para recibir comandos Seriales . 📌 Código para Arduino: void setup() { Serial.begin(9600); // Iniciar comunicación serial pinMode(13, OUTPUT); // Configurar LED en el pin 13 como salida } void loop() { if (Serial.available()) { // Si hay datos en el puerto serie char comando = Serial.read(); // Leer el comando recibido if (comando == '1') { digitalWrite(13, HIGH); // Encender LED } else if (comando == '0') { digitalWrite(13, LOW); // Ap...
Read more