Este artículo presenta los resultados de la investigación PIE 03-15 aprobada por el Comité de Investigaciones de la Ecbti de la unad en el año 2015, la cual consistió en un estudio de aplicación de un sistema en tiempo real para el monitoreo de variables médicas, en pacientes hospitalizados. Para el caso específico, se tomó como referencia una población de personas con patología de preeclampsia. La investigación en referencia partió de la descripción de la población seleccionada, así como de la patología asociada; luego, se presentaron los requerimientos técnicos y lógicos del sistema propuesto y se finalizó con los resultados que arrojó el desarrollo del sistema. Este estudio es un inicio en la aplicación y desarrollo de dispositivos y sistemas para la captura de señales biomédicas utilizando tecnologías emergentes, con software y hardware a bajo costo.

La Industria 4.0 (4RI) hace referencia a profundos cambios impulsados por los avances en tecnologías tales como robótica, inteligencia artificial, nanotecnología, biotecnología, entre otras, que actualmente están experimentando las industrias y la sociedad. El reconocimiento facial se ha popularizado con el surgimiento de la Industria 4.0, este proceso se realiza utilizando tecnología biométrica y se puede utilizar para identificar a las personas analizando sus rostros. El proceso normalmente consiste en comparar una imagen o un fotograma de un video con los rostros contenidos en una base de datos, emparejándolos en función de los rasgos faciales y las texturas de la piel. Uno de los problemas que se ha encontrado para la implementar este tipo de tecnologías, es que se requiere un alto conocimiento científico y técnico, requiriendo además infraestructura en la nube con alto poder computacional y capacidad de escalabilidad para el almacenamiento, procesamiento y visualización de datos. Además, los algoritmos para crear los modelos de reconocimiento facial son complejos, requieren de entrenamiento y ajuste de grandes volúmenes de imágenes de rostros. Por lo anterior en este documento se describe un avance en el desarrollo de una investigación que busca contribuir en la solución al problema planteado mediante el estudio y acercamiento a los modelos de Machine y Deep learning necesarios para el reconocimiento de personas y sus emociones, dirigido a estudiantes de una institución educativa de educación secundaria en Colombia (Instituto Teresiano de Túquerres - Nariño). El estudio busca explorar y evaluar algunos algoritmos de reconocimiento facial y emociones, con el fin de que estos puedan ser implementados para que funcionen en tiempo real, esperando que su aplicación sea precisa y útil en el seguimiento del comportamiento y aprendizaje de los estudiantes a los cuales se dirige el estudio. A nivel metodológico la investigación se está desarrollando con la ejecución de las siguientes actividades: Identificación de algunos algoritmos de reconocimiento de personas y sus emociones, existentes e implementados; desarrollo de una exploración de las opciones de hardware y software IoT para determinar una posible solución tecnológica aplicable al entorno de educación secundaria en Colombia; adaptación e implementación de un algoritmo de reconocimiento facial en el colegio Instituto Teresiano de Túquerres – Nariño; Implementación de una solución IoT para captura de imágenes acorde con el algoritmo identificado; evaluación del comportamiento de la solución implementada y análisis de los resultados con los expertos en pedagogía y psicólogos de la Institución donde se desarrolla la investigación. A nivel de los resultados que se han alcanzado y se espera obtener se pueden relacionar: estudio de algunos algoritmos de reconocimiento facial y de emociones existentes; algoritmo adaptado para la población objetivo (Vgg), implementación de la solución en la Institución educativa seleccionada; análisis de resultados y contratación de los mismos con expertos en educación y emociones de la Institución seleccionada; difusión del conocimiento de los resultados obtenidos.

The paper presents a dataset of emotions from children between 10 and 12 years old. This dataset was obtained from videos that are represented in time series of facial Action Units (AUs), and their corresponding valences were scored by professionals. The AUs are extracted from the videos using the Deepface library, and the valence series are obtained from expert observers who rate each video on a range from -1 to 1, covering the spectrum of negative to positive emotions. The dataset was evaluated by a total of 20 professional experts, comprising psychologists and psychology practitioners, with each video receiving an average of 10 reviews. The analysis encompassed a total of 57 videos, representing 22 students, culminating in the acquisition of a comprehensive set comprising 50 temporal series of action units and their associated weighted valence scores. This dataset is useful for training machine learning models in the process of identifying emotions to determine possible patterns of behaviour in classrooms. These patterns may reveal problematic academic attitudes or situations, or, conversely, the early identification of positive emotions that can empower leading students. In addition, it can assist education professionals in undertaking self-evaluations of their formative processes, with a focus on the emotions or attention exhibited by their students within the classroom environment during lessons.

Introduction: This article presents the design and performance assessment of the Advanced Metering Infrastructure ( AMI ) for a microgrid. This infrastructure enables the collection of consumer measurement data in a management center, essential to the construction of a microgrid. Aim:To design the communications network and select the equipment and management system for the AMI in the Universidad de Nariño’s microgrid. Methods: Literature review of the aspects to be considered in AMI design such as communication topologies, technologies and protocols, in addition to the metrics to assess AMI performance. Results:The AMI design is presented including measurement equipment, communications network and management center. Once the AMI was implemented, its performance was assessed according to the parameters of latency, bandwidth, throughput and packet loss. Conclusion:The results suggest that the flow in the microgrid. AMI meets the quality of service parameters, ensuring an optimal data Originality: While several initiatives have focused on the design of solutions based on microgrids and AMI s and on the study of their impacts, the implementation of these grids is still limited in Colombia. Limitations: For assessing the performance of the communications network, this study has considered the performance of communication channels, excluding the performance of various protocols used such as MODbus/TCP and DNP3/TCP .