Detector De Gritos

Este proyecto implementa un sistema automatizado de reconocimiento de gritos en un laboratorio de rocas y materiales. Utiliza técnicas avanzadas de procesamiento de audio y modelos de aprendizaje automático para detectar y responder rápidamente a emergencias, mejorando la seguridad y eficiencia del entorno de trabajo.

Tabla de Contenidos

• Descripción
• Estructura del Proyecto
• Requisitos
• Instalación
• Uso
• Entrenamiento del Modelo
• Evaluación del Modelo
• Autores

Descripción

El sistema de reconocimiento de gritos está diseñado para capturar sonidos en tiempo real, preprocesarlos y analizar sus características para detectar gritos. Utiliza Redes Neuronales Convolucionales (CNN) y ResNet-34 para clasificar los sonidos y generar alertas en caso de emergencias.

Estructura del Proyecto

• dataset/: Contiene los datos de audio utilizados para el entrenamiento y evaluación del modelo.
• images/: Almacena imágenes de espectrogramas y otros gráficos relevantes.
• Models/: Contiene los modelos entrenados de aprendizaje automático.
• SoundRecord/: Scripts y módulos responsables de la captura y preprocesamiento de audio.
• templates/: Plantillas HTML para la interfaz de usuario web.
• test/: Scripts de prueba para evaluar la funcionalidad del sistema.
• uploads/: Directorio para almacenar archivos subidos por los usuarios.
• App.py: Punto de entrada principal de la aplicación.
• GritosModelo.ipynb: Notebook Jupyter utilizado para el desarrollo y experimentación del modelo.
• ModelEval.py: Script para evaluar la precisión y eficacia del modelo entrenado.
• RecordSound.py: Script para grabar sonidos en el laboratorio.
• requirements.txt: Lista de dependencias necesarias para ejecutar el proyecto.
• voice_image.png: Imagen utilizada en la documentación o interfaz de usuario.

Requisitos

• Python 3.7+
• Librerías especificadas en requirements.txt

Instalación

1. Clonar el repositorio:

   git clone https://github.com/usuario/DetectorDeGritos.git
   cd DetectorDeGritos

2. Crear y activar un entorno virtual (opcional pero recomendado):

   python -m venv env
   source env/bin/activate  # En Windows: env\Scripts\activate

3. Instalar las dependencias:

   pip install -r requirements.txt

Uso

1. Iniciar la aplicación:

   python App.py

2. La aplicación web se ejecutará en http://localhost:5000. Desde aquí, se puede subir archivos de audio y visualizar los resultados del análisis.

Entrenamiento del Modelo

El entrenamiento del modelo se realiza utilizando el notebook Jupyter GritosModelo.ipynb. Este notebook contiene el código para la carga de datos, preprocesamiento, entrenamiento y evaluación del modelo.

Evaluación del Modelo

Para evaluar el modelo entrenado, se puede ejecutar el script ModelEval.py:

python ModelEval.py

Autores

Manuel Isaác Armijos - Correo: [email protected] Carlos Enrique Armijos - Correo: [email protected]