Un equipo de investigadores mexicanos creó un sistema inteligente que anticipa la degradación de la calidad del aire en espacios cerrados hasta 8 horas antes, permitiendo ventilar aulas, oficinas o laboratorios, con múltiples ventajas para la salud.
El desarrollo es liderado por el grupo TURIX-Dynamics del Tecnológico Nacional de México (TecNM) en su compus Tuxtla Gutiérrez, donde científicos del Tecnológico de Monterrey y de la Universidad del Valle de México, combinan sensores de bajo costo y redes neuronales para prevenir riesgos a la salud asociados con altos niveles de CO2.
El modelo ya se prueba en salones de clase, donde optimiza la duración de sesiones y los intervalos de ventilación. Según los investigadores, escalarlo a hospitales o transporte público podría reducir hasta un 30 % los brotes de infecciones respiratorias.
Funciones
El sistema despliega estaciones de monitoreo con sensores infrarrojos (NDIR) y microcontroladores ESP32, instalados estratégicamente en techos o paredes.
Estos dispositivos miden el dióxido de carbono (CO2) en tiempo real y envían los datos a la nube mediante WiFi o LoRa. Una red neuronal de memoria a largo plazo (LSTM) analiza las tendencias históricas y predice concentraciones futuras con un error de solo 57 partes por millón (ppm), equivalente a la precisión de equipos industriales costosos.
Alerta temprana
Cuando el CO2 supera 700 ppm (nivel “amarillo”), el sistema envía alertas a dispositivos móviles, avisando que el aire contiene más del 1 % de exhalaciones humanas.
La configuración de dos capas LSTM con 128 neuronas mostró la mayor precisión en pruebas realizadas en campus del TecNM en Tuxtla Gutiérrez. Cada estación utiliza componentes accesibles (como el sensor MH-Z19D) y se integra con plataformas IoT gratuitas (ThingSpeak), reduciendo costos en un 90 % frente a sistemas comerciales.
¿Por qué es crucial?
En espacios mal ventilados, el CO2 puede superar las 1,000 ppm en minutos, nivel vinculado a fatiga, pérdida de concentración y mayor riesgo de contagio de enfermedades por aerosoles.
El equipo planea incorporar variables como humedad y temperatura para refinar las predicciones, así como diseñar una app que active automáticamente extractores cuando el CO2 se aproxime a niveles críticos.
