Diseño de un algoritmo para determinar el área de recursos hídricos empleando procesamiento digital de imágenes y redes neuronales.

El presente trabajo tuvo como finalidad la segmentación y cálculo de áreas de recursos hídricos mediante el uso de Redes Neuronales Artificiales (RNA) y Procesamiento Digital de Imágenes (PDI). Se recurrió al uso de Inteligencia Artificial (IA), que es la ciencia que abarca las ramas empleadas para...

Disgrifiad llawn

Wedi'i Gadw mewn:
Manylion Llyfryddiaeth
Prif Awdur: Núñez Segovia, Christian Alexander (author)
Fformat: bachelorThesis
Iaith:spa
Cyhoeddwyd: 2022
Pynciau:
Mynediad Ar-lein:https://dspace.espoch.edu.ec/handle/123456789/21391
Tagiau: Ychwanegu Tag
Dim Tagiau, Byddwch y cyntaf i dagio'r cofnod hwn!
Disgrifiad
Crynodeb:El presente trabajo tuvo como finalidad la segmentación y cálculo de áreas de recursos hídricos mediante el uso de Redes Neuronales Artificiales (RNA) y Procesamiento Digital de Imágenes (PDI). Se recurrió al uso de Inteligencia Artificial (IA), que es la ciencia que abarca las ramas empleadas para conseguir el objetivo planteado en este trabajo. Se empleó una Red Neuronal Convolucional (RNC), la cual tuvo que previamente ser entrenada con imágenes satelitales de recursos hídricos, obtenidas del portal web Sentinel Hub y de su herramienta EO Browser, las mismas recibieron un preprocesamiento para posteriormente ser etiquetadas. Una vez entrenada la red, se aplicó un postprocesamiento a las imágenes mediante Operaciones Morfológicas y Contornos Activos. Finalmente se realizó el cálculo del área del recurso mediante conteo de pixeles de la segmentación final obtenida, todo el proceso de cálculo fue implementado en una Interfaz Gráfica de Usuario (GUI) en el software Matlab. Los resultados obtenidos concluyeron en una alta precisión de segmentación por parte del software generado, superando una precisión del 95%, el software pudo procesar imágenes satelitales tomadas en diferentes espectros manteniendo su alta precisión. El software es capaz de realizar los cálculos de forma autónoma, por lo que posibilita el procesamiento masivo de datos, se recomienda trabajar en el espectro Infrarrojo de Onda Corta (SWIR) para obtener mejores resultados.