¿El Techo Está en Llamas?

Hola. Espero que estén disfrutando de la conferencia hasta ahora. Mi nombre es Teodor. Soy un desarrollador web que está construyendo Proxima, una plataforma de análisis de código abierto. Durante mi tiempo libre, también disfruto construyendo cosas y experimentando mucho con diferentes tecnologías. Y a través de mis charlas, realmente me gusta contar historias.

Nuestra historia comienza en junio de 2021, cuando un incendio forestal arrasó una gran área cerca de mi casa en Atenas. Desde 2021, los incendios forestales han quemado tres veces el área de la ciudad de Nueva York. Y eso es solo para Grecia. Por cierto, la razón principal detrás de tal desastre es que no podemos entender realmente cómo funcionan los incendios. Aunque son un fenómeno natural y parte de algunos ecosistemas, están cada vez más fuera de control debido a la actividad humana y al cambio climático. Pueden propagarse muy rápidamente. Y una vez que alcanzan un punto crítico, son casi imparables. Además, sus fuentes son impredecibles, desde cigarrillos hasta tormentas eléctricas y tareas agrícolas. Por lo tanto, la respuesta inmediata es crucial, y alertar y desplegar unidades aéreas o terrestres es la única forma de evitar el desastre.

Hace unos meses, tuve la idea de construir un dispositivo que pudiera monitorear un área y alertar a las autoridades si se inicia un incendio. Para hacerlo, necesitamos establecer algunas reglas básicas para el primer prototipo. Así que nuestro dispositivo debe ser de bajo costo porque necesitamos cubrir grandes áreas y necesitamos muchos de ellos. Debe ser tan abierto y accesible como sea posible para que podamos permitir que las personas los construyan y desplieguen en la naturaleza. Cuando se trata de prototipar un dispositivo IoT, el primer componente esencial que necesitarás es un microcontrolador, el cerebro y corazón de nuestro sistema. Puede que estés familiarizado con el término y algunas opciones populares como el Raspberry Pi o Arduino. Nuestra elección es el ESP32, un controlador de bajo costo, bajo consumo que ofrece capacidades de Bluetooth de baja energía y Wi-Fi de serie. Desarrollar en hardware de gama baja requiere obviamente escribir código utilizando los fundamentos básicos del dispositivo. Podemos escribir código en C o C++ usando el Arduino IDE o usar lenguajes de alto nivel como Python o Node.js.

Hay una gran ventaja porque podemos usar el mismo código para diferentes dispositivos o incluso plataformas. Podemos ejecutar JavaScript, compilar un código y ejecutarlo en diferentes dispositivos, pero hay más. Hablemos un poco más sobre JavaScript. Usar JavaScript para microcontroladores puede sonar un poco complicado pero vale totalmente la pena. Por diseño, es orientado a eventos y la mayoría de las aplicaciones IoT son basadas en eventos. La placa en sí es básica pero podemos adjuntar componentes adicionales, por lo que escuchar presiones de botones o lecturas de sensores es realmente basado en eventos. JavaScript también tiene un gran registro de bibliotecas que podemos usar para interactuar con las APIs centrales de la placa o incluso mezclar y combinar tecnologías como emparejar la placa con un navegador o aplicaciones móviles. Y hay muchos grandes marcos que lo hacen aún más fácil como Johnny-5, Scilor, Nesprino y así sucesivamente.

Nuestra elección, sin embargo, es DeviceScript, un marco realmente versátil desarrollado por Microsoft. DeviceScript es un marco orientado a TypeScript que nos permite escribir código dirigido a diferentes placas de desarrollo IoT. Tiene un gran soporte para VS Code y funciona junto con Platform.IO, la opción preferida para el desarrollo de software embebido. También soporta simulación y depuración desde VS Code para prototipar y finalmente tiene muchas APIs integradas para sensores, componentes adicionales así como protocolos de comunicación.

Ahora, si no tienes experiencia con electrónica, no te preocupes, cubriremos solo lo básico. Así que déjame mostrarte lo que tengo aquí. Así que este es el hola mundo del prototipado de hardware. Es un simple LED parpadeando encendido y apagado cuando se presiona un botón. También hay una batería, una resistencia y algunos cables para conectarlos juntos. Esta es una placa prototipo que nos permite juntar rápidamente todos los componentes. Y solo para darte una perspectiva, esta es también la placa de desarrollo. Como puedes ver, es extremadamente pequeña. La placa en sí tiene algunos pines a la derecha y a la izquierda que nos permiten extender su funcionalidad y adjuntar componentes adicionales. También tiene aquí un conector USB para conectarlo a nuestro sistema de desarrollo y programar directamente y en la parte inferior también tiene conexiones para batería y componentes adicionales también. Así que podemos tomar el hola mundo de la placa prototipo y moverlo a nuestra placa de desarrollo. El código es bastante simple, solo unas pocas líneas. Los pines de la placa están etiquetados con identificadores como T3 para el LED y T10 para el botón. Las etiquetas tienen algún tipo de semántica, por lo que D significa pines de Entrada y Salida Digital. Usando las APIs centrales de start light bulb y start button de device script, podemos inicializar los componentes y suscribirnos a eventos como presiones de botones. Una vez que se detecta una presión de botón, podemos encender el LED. Aunque el ejemplo anterior es un buen comienzo, también nos muestra cómo funcionan más o menos los electrónicos. El controlador solo puede entender cambios de voltaje como señales digitales.

Un evento físico como presionar un botón o girar una perilla se traduce en un cambio de voltaje que el controlador puede entender y actuar en consecuencia. Basado en ese principio, también podemos añadir componentes adicionales. Así que en nuestro dispositivo he decidido avanzar con el sensor AEST20. Es un sensor de temperatura y humedad desarrollado por Idafruit Industries. El device script tiene un controlador incorporado para él, por lo que podemos inicializarlo y leer los valores. También podemos usar la API de programación para leer los valores cada cinco segundos y registrar.

El sensor funciona midiendo cambios en la humedad y temperatura del aire. En el mismo principio, podemos comenzar a detectar incendios forestales conectando un sensor de gas y un sensor de llama. Así que aquí, como este componente aquí, es el sensor de llama. Es un componente realmente simple que puede detectar si hay una llama cerca leyendo los cambios infrarrojos usando el cambios infrarrojos usando esta bombilla negra aquí. El sensor de gas aquí es un poco más complejo. Es un semiconductor de óxido metálico que puede detectar una variedad de gases como CO2, metano, propano, hidrógeno, y así sucesivamente. Así que podemos modificar el ejemplo anterior del sensor de humedad y comenzar a leer los valores del sensor y detectar si hay un incendio. Los sensores están conectados a los pines seriales de la placa y las verificaciones se realizan cada cinco segundos. Si se detecta una llama abierta o gas, podemos generar una alerta y básicamente eso es más o menos la funcionalidad principal de nuestro dispositivo.

Ahora, si queremos extender nuestra configuración para cubrir un área más grande, obviamente, podemos hacerlo añadiendo más dispositivos. Pero hay un problema aquí. Si queremos cubrir un área más grande, queremos tener los dispositivos dispersos y también necesitamos establecer un patrón de comunicación entre los dispositivos. Cada dispositivo puede cubrir un área pequeña, alrededor de 20 metros de radio basado en el sensor. Estos límites se deben a la naturaleza real de los sensores. Si queremos monitorear un bosque o un parque, por ejemplo, podemos dispersar el dispositivo un poco más y dejar que se comuniquen entre sí como un clúster. Así que para tener una red de dispositivos, podemos establecer una red de malla. Cada dispositivo puede enviar, recibir o transmitir mensajes. Para ese propósito, estamos usando una topología masiva y una biblioteca llamada Painless Mess. Es una solución plug and play, ultra robusta, pero también es autorreparable. Si un dispositivo falla, la red se ajustará automáticamente y encontrará el nuevo camino para los mensajes. En los bordes de la red, podemos añadir puertas de enlace que pueden conectarse a la red más amplia y también retransmitir mensajes a la nube, otras redes de malla de dispositivos o servicios externos. Así que si hay una alerta, podemos realmente activar una alerta a la red externa usando Wi-Fi, Bluetooth, o mensajes SMS tradicionales.

Ahora, veamos cómo podemos llevar nuestro dispositivo del prototipo a la producción. Todos los dispositivos desplegados son alimentados por energía solar, funcionan con baterías y pueden ser desplegados en áreas remotas.

Hay una placa personalizada diseñada para adaptarse a los sensores y los componentes internos están empaquetados en una carcasa impresa en 3D. Nuestro primer clúster ya está operando en Atenas y se ha probado en el campo desde marzo de 2024. Pero no hemos terminado, ya que estamos construyendo sobre tecnologías tan versátiles, podemos extender nuestro prototipo de muchas maneras interesantes.

Nuestros clústeres están principalmente diseñados para configuraciones de emergencia fuera de la red, por lo que podemos extender el alcance usando LoRa. LoRa es una tecnología de red de área amplia de baja potencia que puede cubrir distancias de hasta 30 kilómetros. Los dispositivos también pueden funcionar como canales de comunicación de emergencia para bomberos u otras unidades desplegadas en el campo. Y esta es la gran ventaja de usar microcontroladores AlphaCell, podemos extender nuestras capacidades con estos adjuntando diferentes módulos, en nuestro ejemplo un módulo LoRa. Si estás interesado en los detalles sobre esta configuración fuera de la red, definitivamente deberías echar un vistazo al proyecto MSTAT, un proyecto impulsado por la comunidad sobre señales de radio y comunicación con dispositivos realmente económicos.

Continuando, también necesitamos estar a la par con los chicos geniales y usar algún tipo de AI, ¿verdad? Bueno, tengo muy buenas noticias para ti. La AI ha sido ampliamente utilizada en aplicaciones industriales desde hace un tiempo. La mayoría de las fábricas o plantas industriales están usando pronósticos de fallos para predecir cuándo una máquina o dispositivo fallará. Podemos aplicar el mismo principio para predecir cuándo uno de nuestros dispositivos en nuestros clústeres comenzará a fallar y reemplazarlos antes de que se conviertan en un problema. Para ese propósito, estamos usando la biblioteca Prophet de Meta. Esencialmente, esa parte es crucial. Si hemos desplegado clústeres, necesitamos hacer mantenimiento regular, y dado que todos los dispositivos están expuestos a condiciones climáticas adversas, eso puede ser un verdadero problema con dispositivos defectuosos en el campo. Además, podemos usar TinyML para ejecutar algunas inferencias en el propio dispositivo. TinyML es una forma de desplegar modelos de TensorFlow Lite en microcontroladores. Podemos extender las placas añadiendo cámaras u otros sensores también. Basándonos en las métricas, podemos ajustar nuestras lecturas de sensores y predecir cómo cambiarán la humedad y la temperatura, por ejemplo, en el futuro, o incluso ajustar las lecturas para mejorar la precisión de nuestras métricas. Pero eso no es lo más interesante en absoluto. VALS está desarrollando un sensor llamado BME 688 que tiene verdaderas capacidades de detección de gases. Usando ese sensor, podemos predecir y detectar incendios forestales con mayor precisión.

Como puedes ver en el video, puede detectar diferentes gases o incluso olores. Esencialmente, los olores son solo gases en el aire. El sensor está expuesto al aire libre, y basándonos en las lecturas, podemos crear pequeños modelos que identifiquen el tipo de gas. En su demostración, en el video, están usando el sensor para reconocer el café espresso por el olor. Así que, además de proporcionar un mecanismo de alerta para incendios forestales, podemos entrenar nuestro dispositivo y monitorear el ciclo de vida del bosque basado en los gases de descomposición. Podemos monitorear eso. Podemos realmente monitorear que las hojas se están descomponiendo o que las abejas se están moviendo y polinizando. Ese paso es realmente asombroso porque inicialmente, además de tener un sistema de alerta, podemos realmente usar el dispositivo para monitoreo ambiental con el fin de tener un mejor crecimiento de los bosques o una mejor recuperación en un área recientemente quemada.

Y ya que estamos hablando de AI, aquí está la pregunta del millón de dólares. ¿Podemos realmente detectar incendios forestales antes de que ocurran? Bueno, la respuesta es más o menos sí y no. Aunque tenemos datos disponibles como datos históricos, imágenes satelitales y más, es realmente difícil correlacionarlos juntos. Los incendios forestales son, como dijimos antes, impredecibles y desencadenados por múltiples factores que son difíciles de reunir. Por ejemplo, tenemos que tener en cuenta el clima, el terreno, la humedad cambiante, junto con la base de población, la ventilación, las redes de tráfico y más.

Pero creo que estamos cerca de lograrlo porque hay diferentes equipos. Por ejemplo, está el equipo de USC de la universidad de USC que están trabajando juntos para desarrollar un modelo que pueda ser alimentado con datos y predecir cuándo un área está en alto peligro de incendio forestal.

Así que si has estado siguiendo, espero que realmente hayas disfrutado la charla y hayas adquirido algunas nuevas ideas. Ha sido todo un viaje en los últimos meses explorando estos conceptos juntos, pero la conclusión que estoy a punto de compartir contigo puede ser un poco diferente de lo que esperabas. Más allá de los detalles técnicos, hay algo más profundo que espero resuene contigo, una idea sobre lo que realmente impulsa la innovación y cómo cada uno de nosotros puede contribuir a ella de una manera única. El tema principal de esta charla no es presumir de construir algo genial, sino mostrar cómo la tecnología puede usarse para resolver problemas del mundo real. Cuando juntamos diferentes perspectivas, superamos los límites de lo que se conoce, creando soluciones que no solo son funcionales, sino también transformadoras.

Así que, ya sea que estés prototipando con un microcontrolador, escribiendo JavaScript para tu trabajo diario, desarrollando software, diseñando el próximo gran avance, recuerda que la innovación prospera donde las ideas se cruzan, y puedes realmente abrazar ese proceso de pasar por todas estas nuevas piezas de información, todas estas ideas, y obtener un fuerte respaldo de la comunidad. Así que la próxima vez que alguien te diga que no puedes hacer esto o aquello, podrían estar absolutamente equivocados. Hemos avanzado durante tantos años mientras construimos juntos, crecemos juntos y aprendemos unos de otros, y creo que eso es lo que nos hace fuertes. El título de mi charla es de una canción que constantemente pregunta, ¿está el techo en llamas? ¿Está en llamas? Y creo que una vez que el techo está en llamas, bueno, a veces es mejor dejarlo arder. Así que chicos, muchas gracias por su tiempo y paciencia. Espero que disfruten mucho de la conferencia. Si tienen alguna pregunta, pueden encontrar todo el material de esta charla, así como las diapositivas, en mi sitio web. Así que, hasta la próxima, ¡cuídense y sigan construyendo!