Hernández, Henry AlbertoPineda Casas, Maykol StebanCamargo Ramírez, Brayan Jean Carlo2025-07-092025-07-092025-06-16http://hdl.handle.net/11349/96894Herramienta digital para el procesamiento de imágenes mediante un algoritmo de aprendizaje supervisado para la identificación de patrones de levantamiento de cargas y emisión de alertas tempranas de riesgo ergonómico. El sistema utiliza una cámara web para capturar imágenes en tiempo real y un algoritmo de aprendizaje supervisado que analiza la biomecánica de las posturas en un entorno controlado. Al identificar posturas inadecuadas, se generan alertas que permiten la corrección inmediata, mejorando la seguridad y reduciendo riesgos laborales. Una problemática en el área de Seguridad y Salud en el Trabajo (SST) radica en la dificultad de supervisar simultáneamente a varios empleados en actividades físicas, especialmente donde el espacio tenga limitaciones. Métodos tradicionales de observación suelen ser sesgados e ineficientes. Este sistema automatizado optimiza la supervisión y facilita la detección de riesgos de manera objetiva. La solución propuesta integra dispositivos tecnológicos, redes de comunicación y programación basada en aprendizaje supervisado para la revisión de posturas durante el levantamiento de cargas. Como resultado, se facilita la toma de decisiones en tiempo real en entornos laborales controlados. La implementación de este sistema representa un avance en la prevención de desórdenes musculoesqueléticos, optimizando los procesos de vigilancia en Seguridad y Salud en el Trabajo y permitiendo una gestión más eficiente del riesgo ocupacional.Digital tool for image processing using a supervised learning algorithm to identify lifting patterns and issue early warnings of ergonomic risk. The system uses a webcam to capture images in real time and a supervised learning algorithm that analyzes the biomechanics of postures in a controlled environment. When inadequate postures are identified, alerts are generated that allow immediate correction, improving safety and reducing occupational risks. A problem in Occupational Safety and Health (OSH) lies in the difficulty of simultaneously supervising several employees in physical activities, especially where space is limited. Traditional observation methods are often biased and inefficient. This automated system optimizes supervision and facilitates the detection of risks in an objective manner. The proposed solution integrates technological devices, communication networks and programming based on supervised learning for the review of postures during lifting. As a result, it facilitates real-time decision making in controlled work environments. The implementation of this system represents an advance in the prevention of musculoskeletal disorders, optimizing occupational health and safety surveillance processes and enabling more efficient occupational risk management.pdfspaSistema de monitoreoAprendizaje supervisadoLesiones musculoesqueléticasProcesamiento de imágenesLevantamiento de cargasbachelorThesisIngeniería en Telecomunicaciones -- Tesis y disertaciones académicasErgonomíaAprendizaje automático (Inteligencia artificial)Salud ocupacionalAnálisis de movimientoOpenAccessMonitoring systemSupervised learningMusculoskeletal injuriesImage processingLiftingAbierto (Texto Completo)