%0 Thesis %A Ahmed Fahmy Amin, Hesham %T Un sistema de detección de necesidades infantiles para la era IoT/ Hesham Ahmed Fahmy Amin %T An infant needs detection system for the IoT era %D 2025 %U https://hdl.handle.net/20.500.14352/119355 %X En esta tesis, presentamos dos sistemas. El primer sistema tiene como objetivo clasificar las emociones de los bebés en tres categorías: feliz, triste y neutral. El segundo sistema mejora el primero al introducir un clasificador de necesidades de los bebés que puede categorizar cinco necesidades diferentes: sueño, incomodidad (pañal mojado), estómago, aburrimiento (deseo de ser calmado) y hambre.Para la fase inicial de la investigación, se desarrolla una técnica que utiliza aprendizaje automático para detectar las emociones de los bebés a partir de imágenes. El desarrollo de algoritmos automatizados para la detección de emociones en bebés es de gran importancia, ya que pueden integrarse en un sistema integral para monitorear el bienestar de los bebés, tanto en entornos domésticos como institucionales. En este estudio, se construye un clasificador de conjunto que combina las salidas de varios clasificadores individuales para lograr resultados de clasificación superiores... %X In this thesis, two systems are presented. The first system aims to classify infant emotions into three categories: happy, sad, and neutral. The second system enhances the first systm by introducing an infants needs classifier capable of categorizing five different needs: sleepiness, discomfort (wet diaper), stomach, boredom (desire to be soothed), and hunger.For the initial phase of the research, a technique utilizing machine learning is developed to detect infant emotions from images. The development of automated algorithms for infant emotion detection holds significant scientific importance as they can be integrated into a comprehensive system for monitoring infants' well-being, both in home and institutional settings. In this study, an ensemble cassifier is constructed that combines the outputs of varios individual classifiers to achieve superior classification results... %~