Red neuronal artificial para estimar el índice UV

Abstract

La exposición a radiación ultravioleta (UV) solar es un factor de riesgo ambiental creciente, asociado al incremento global de cáncer de piel. Sin embargo, el acceso a sistemas de monitoreo especializados es limitado por su alto costo. Este trabajo de maestría propone una solución innovadora: un sistema basado en una red neuronal artificial que estima el índice UV a partir de mediciones simples de luz visible, utilizando únicamente sensores de bajo costo como fotoresistencias (LDR).

Se diseñó e implementó un perceptrón multicapa entrenado con datos reales recopilados en Ecatepec, Estado de México. El modelo demostró un rendimiento adecuado al correlacionar la intensidad luminosa con la radiación UV medida por un sensor de referencia. Como prueba de concepto, la red neuronal se implementó exitosamente en una placa Arduino UNO, operando en tiempo real y validando su viabilidad para dispositivos portátiles o embebidos de bajo consumo energético.

Esta investigación contribuye al campo de la salud ambiental accesible, generando un conjunto de datos abiertos y un prototipo funcional que representa una alternativa escalable para sistemas de alerta temprana. El trabajo sienta las bases para el desarrollo de aplicaciones móviles o wearables que puedan democratizar el acceso a información crítica sobre exposición solar, apoyando estrategias de prevención y concientización pública frente a los riesgos de la radiación UV.