Redes Neuronales aplicadas a la electrónica - Arduino - Esp32

Este proyecto proporciona un enfoque completo y estructurado para enseñar y aprender sobre la aplicación de redes neuronales en la electrónica utilizando plataformas como Arduino, ESP32 y Raspberry Pi. La inclusión de bibliografía y recursos en español facilita el acceso al conocimiento necesario para desarrollar las competencias requeridas.

Proyecto Educativo Didáctico: Redes Neuronales Aplicadas a la Electrónica

Índice

1. Introducción
2. Lista de Materiales
3. Circuitos Electrónicos
4. Desarrollo del Proyecto
5. Bibliografía y Recursos
6. Cronograma
7. Ejes Temáticos
8. Actividades y Evaluación

---

1. Introducción

El objetivo de este proyecto es aprender y aplicar conceptos de redes neuronales en plataformas electrónicas como Arduino, ESP32 y Raspberry Pi. Este enfoque práctico permitirá a los estudiantes desarrollar habilidades en programación, electrónica, y machine learning.

---

2. Lista de Materiales

• Arduino UNO x1
• ESP32 x1
• Raspberry Pi 4 x1
• Sensor de temperatura y humedad (DHT11/DHT22) x2
• Sensor de luz (LDR) x2
• Matriz de LEDs (8x8) x1
• Protoboard y cables jumpers
• Fuente de alimentación y adaptadores
• Resistencias y capacitores varios
• Tarjeta microSD (para Raspberry Pi)
• Computadora con conexión a Internet

---

3. Circuitos Electrónicos

• Conexión del Sensor DHT11 a Arduino y ESP32
• Conectar VCC a 5V/3.3V
• Conectar GND a GND
• Conectar Data a un pin digital (ej. D2)
• Conexión del LDR a Arduino y ESP32
• Conectar un extremo del LDR a 5V/3.3V
• Conectar el otro extremo a un pin analógico (ej. A0) y a una resistencia en serie a GND
• Conexión de la Matriz de LEDs a Arduino
• Conectar VCC a 5V
• Conectar GND a GND
• Conectar pines de control a pines digitales (D2-D9)

4. Desarrollo del Proyecto

Paso 1: Configuración del Entorno

1. Arduino IDE:
• Descargar e instalar desde https://www.arduino.cc/en/software
• Configurar para Arduino UNO y ESP32
2. Raspberry Pi:
• Instalar Raspbian OS desde https://www.raspberrypi.org/downloads/
• Configurar SSH y conexión WiFi

Paso 2: Programación de Sensores

1. Lectura de DHT11 en Arduino:

cpp

Copiar código

#include <DHT.h>

 

#define DHTPIN 2

#define DHTTYPE DHT11

DHT dht(DHTPIN, DHTTYPE);

 

void setup() {

  Serial.begin(9600);

  dht.begin();

}

 

void loop() {

  float h = dht.readHumidity();

  float t = dht.readTemperature();

  Serial.print("Humidity: ");

  Serial.print(h);

  Serial.print(" %\t");

  Serial.print("Temperature: ");

  Serial.print(t);

  Serial.println(" *C ");

  delay(2000);

}

Paso 3: Implementación de la Red Neuronal

1. TensorFlow en Raspberry Pi:
• Instalar TensorFlow Lite: https://www.tensorflow.org/lite/guide/python
• Ejemplo de red neuronal simple:

python

Copiar código

import tensorflow as tf

import numpy as np

 

# Datos de ejemplo

X = np.array([[0, 0], [0, 1], [1, 0], [1, 1]])

y = np.array([[0], [1], [1], [0]])

 

# Modelo simple de red neuronal

model = tf.keras.models.Sequential([

    tf.keras.layers.Dense(4, input_dim=2, activation='relu'),

    tf.keras.layers.Dense(1, activation='sigmoid')

])

 

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

model.fit(X, y, epochs=1000, verbose=0)

 

# Predicciones

predictions = model.predict(X)

print(predictions)

---

5. Bibliografía y Recursos

Para Alumnos

1. Microcontroladores PIC: Programación en C:
• Enlace: https://edutecne.utn.edu.ar/descargas/Microcontroladores-PIC-Programacion-en-C.pdf
2. Manual de Usuario del ESP32:
• Enlace: https://www.prometec.net/wp-content/uploads/2018/02/ESP32.pdf
3. Guía de TensorFlow Lite en Raspberry Pi:
• Enlace: https://www.tensorflow.org/lite/guide/python

Para Docentes

1. Metodologías activas en la enseñanza de la tecnología:
• Enlace: http://www.educacion.gob.ar/sites/default/files/metodologias_activas_1.pdf
2. Introducción a los Microcontroladores:
• Enlace: https://electronicayrobotica.com.ar/download/libros/microcontroladores/01%20-%20Introduccion%20a%20los%20Microcontroladores.pdf
3. IoT: Aplicaciones y Desafíos:
• Enlace: https://eva.universidadean.edu.co/pluginfile.php/110769/mod_resource/content/1/IoT-aplicaciones-y-desafios.pdf

---

6. Cronograma

Semana	Actividad
1	Introducción teórica a redes neuronales
2	Configuración de entornos de desarrollo
3-4	Conexión de sensores y matrices de LEDs
5-6	Programación básica de sensores
7-8	Implementación de una red neuronal
9-10	Pruebas y ajuste de modelos
11-12	Proyecto final y presentación

---

7. Ejes Temáticos

• Conceptos básicos de redes neuronales y machine learning
• Programación y uso de microcontroladores (Arduino, ESP32, Raspberry Pi)
• Desarrollo de aplicaciones IoT y su integración con IA
• Prácticas de programación y electrónica

---

8. Actividades y Evaluación

• Actividades:
• Lectura y resumen de materiales proporcionados
• Conexión y programación de sensores y actuadores
• Desarrollo e implementación de modelos de redes neuronales
• Proyectos individuales y grupales
• Evaluación:
• Evaluación continua basada en actividades prácticas
• Presentación de proyectos finales
• Exámenes teóricos y prácticos

---