Con el rápido desarrollo del Internet de las Cosas (IoT), mejorar la vida útil de los nodos y redes se ha vuelto cada vez más importante. La mayoría de los protocolos de control de acceso de medios existentes se basan en programar los periodos de espera y activos de los nodos y no consideran el estado de alarma. Este documento propone un método de Q-learning y carga eficiente de baja cantidad (QL-ELQC) para la unidad de alarma de humo de un sistema de energía para reducir la corriente promedio y mejorar la vida útil de los nodos de la red de sensores inalámbricos (WSN). Se establecieron modelos de carga de cantidad, y el método QL-ELQC se basa en el ciclo de trabajo de los tiempos de espera y activos para los nodos y considera la relación entre la condición de los datos del sensor y el módulo RF que solo puede activarse y desactivarse en un momento determinado. El método QL-ELQC supera efectivamente la limitación del espacio de estado-acción continuo del Q-learning utilizando el método de clasificación de estados. Los resultados de la simulación revelan que el esquema propuesto mejora significativamente la latencia y la eficiencia energética en comparación con el esquema QL-Load existente. Además, los resultados experimentales son consistentes con los resultados teóricos. El enfoque propuesto de QL-ELQC se puede aplicar en varios escenarios donde las baterías no se pueden reemplazar o recargar en condiciones ambientales adversas.