Diseño de un sistema inteligente que permita la detección del estado etílico del conductor de una motocicleta, mediante el procesamiento y registro de señales neurológicas (EEG)

Abstract

La presente investigación tiene como objetivo principal desarrollar un sistema inteligente que permita la detección del estado de alcoholemia para la prevención de accidentes de tránsito en motocicletas. El desarrollo del sistema tiene un enfoque en la utilización de dispositivos tecnológicos y herramientas de Deep learning. El marco referencial dentro del presente estudio con relación a accidentes de tránsito de motocicletas en el Ecuador, es comprendido por el periodo 2008-2022. El desarrollo del sistema fue realizado bajo el modelo iterativo que consiste en las siguientes etapas: diseño del sistema, recolección de datos, procesamiento de datos, pruebas de funcionamiento e implementación del sistema. El enfoque en la recolección de señales encefalográficas se basa en el planteamiento de escenarios en donde a los sujetos puestos a prueba se les suministra determinadas cantidades de alcohol para determinar sus afectaciones en el sistema nervioso, y así se establece la base de datos para el entrenamiento del algoritmo de Deep Learning para la clasificación del estado de alcoholemia. Los resultados obtenidos sugieren que desde cantidades pequeñas consumidas de alcohol provocan anomalías en nuestro sistema nervioso. Las señales que están dentro de la banda Gamma, son las más susceptibles a la inhibición de las funciones cerebrales provocadas por la ingesta de alcohol. Concluyendo que los valores de atención y tiempos de reacción se reducen a medida que se consume mayor cantidad de alcohol.