3 September 2025 in TIES, Revista de Tecnología e Innovación en Educación Superior
Debido a los altos índices de mortandad derivados de la conducción distraída, la cual es ocasionada por el desvío de la atención de la conducción segura, de la carretera y del entorno del conductor, es que surgen los Sistemas de Asistencia a la Conducción (ADAS, por sus siglas en inglés) como una forma de prevenir estos siniestros y asistir al conductor durante su trayecto. En el presente trabajo, se detectan y clasifican la conducción segura y nueve actividades distractoras en los conductores de automóviles mediante el uso de redes neuronales convolucionales, aplicadas primero a la base de datos “State Farm Distracted Driver Detection” y también a una base de datos propia. Además, con el uso de la biblioteca “TensorFlow Lite”, el modelo se implementa en una aplicación móvil para su uso en tiempo real. El modelo resultante logra una exactitud del 91% en entrenamiento y del 95% en su validación. Con la implementación móvil, la exactitud del modelo se reduce en un 5%, sin embargo, se logran detectar y diferenciar correctamente las distracciones y se demostró la posibilidad de adaptar un ADAS en un dispositivo móvil.