Article
Evaluación de AIoT en modelos computacionales en la nube y en el borde aplicado a la detección de mascarillas
Fecha
2022-01Autor
Quiñonez-Cuenca, Felipe
Maza-Merchán, Cristian
Cuenca-Maldonado, Nilvar
Quiñones-Cuenca, Manuel
Torres, Rommel
Sandoval, Francisco
Ludeña-González, Patricia
Institución
Resumen
La COVID-19 ha provocado graves daños a la salud:
centenas de millones de personas infectadas y varios
millones de fallecidos en el mundo. Los programas
de vacunación de cada Gobierno han influido en el
decaimiento de estos índices, pero con la aparición de
nuevas mutaciones del coronavirus más contagiosas,
la preocupación sobre la efectividad de las vacunas
se hace presente. Frente a esta situación el uso de
mascarillas sigue siendo eficaz para prevenir la transmisión
y contagio de la COVID-19. Lo que ha generado
una creciente demanda de servicios de detección
automática de mascarillas, que permita recordar a
las personas la importancia del empleo de estas. En
este trabajo se plantea un análisis del rendimiento de
un sistema AIoT para la detección del uso correcto,
incorrecto y sin mascarilla basado en dos modelos
computacionales de Cloud y Edge, con la finalidad de
determinar qué modelo se adecua mejor en un entorno
real (interior y exterior) sobre la base de la confiabilidad
del algoritmo, uso de recursos computacionales
y tiempo de respuesta. Los resultados experimentales
demuestran que el modelo computacional Edge
presentó un mejor desempeño en comparación con el
Cloud.//COVID-19 has caused serious health damage, infecting
millions of people and unfortunately causing the
death of several ones around the world. The vaccination
programs of each government have influenced in
declining those rates. Nevertheless, new coronavirus
mutations have emerged in different countries, which
are highly contagious, causing concern with vaccination
effectiveness. So far, wearing facemasks in public
continues being the most effective protocol to avoid
and prevent COVID-19 spread. In this context, there
is a demand of automatic facemask detection services
to remind people the importance of wearing them appropriately.
In this work, a performance evaluation of
an AIoT system to detect correct, inappropriate, and
non- facemask wearing, based on two computational
models: Cloud and Edge, was conducted. Having as
objective to determine which model better suites a
real environment (indoor and outdoor), based on: reliability
of the detector algorithm, use of computational
resources, and response time. Experimental results
show that Edge-implementation got better performance
in comparison to Cloud-implementation.