Los accidentes por caídas en entornos industriales y de construcción requieren una reacción inmediata, para proporcionar primeros auxilios. La reducción del tiempo entre la caída y la notificación del personal relevante puede mejorar significativamente la seguridad y la salud de los trabajadores. Por lo tanto, en este trabajo, se propone un sistema de IoT para la detección de caídas en tiempo real, utilizando la arquitectura de referencia ASSIST-IoT. Potenciado con un modelo de aprendizaje automático, el sistema puede detectar accidentes por caídas y notificar rápidamente al gerente de salud y seguridad ocupacional. Para entrenar el modelo, se recopiló un nuevo conjunto de datos de detección de caídas multimodal de diez participantes humanos y un maniquí antropomórfico, cubriendo varios tipos de caídas, incluidas las caídas desde altura. El conjunto de datos incluye mediciones de ubicación absoluta y aceleración de varios dispositivos de IoT. Además, se propone un modelo ligero de memoria a largo plazo y corto plazo para la detección de caídas, capaz de operar en un entorno de IoT con ancho de banda de red limitado y recursos de hardware. La precisión y la puntuación F1 del modelo en el conjunto de datos recopilado mostraron ser superiores a 0.95 y 0.9, respectivamente. El conjunto de datos multimodal recopilado se publicó bajo una licencia abierta, para facilitar investigaciones futuras sobre métodos de detección de caídas en salud y seguridad ocupacional.