Desarrollo de modelos de aprendizaje profundo para la detección de indicadores de deforestación en Colombia usando imágenes satelitales e información pública

El presente trabajo de grado se enfoca en el uso de herramientas computacionales y técnicas de inteligencia artificial para apoyar el monitoreo y la vigilancia del territorio colombiano, con el objetivo de combatir la deforestación, la destrucción de ecosistemas y la pérdida de biodiversidad. Para ello, se emplearon diversas redes neuronales convolucionales (CNN) preentrenadas de aprendizaje profundo y se aplicó transfer learning utilizando un conjunto de datos propio compuesto por imágenes obtenidas del satélite Sentinel 2. Este conjunto de datos incluye los indicadores de deforestación más recurrentes en Colombia, como cultivos, minería, infraestructura urbana y vial, e incendios forestales. Los resultados obtenidos fueron satisfactorios. El modelo que tuvo mejores resultados fue la CNN VGG16, entrenado con el conjunto de datos Eurosat y luego haciendo transfer learning con el conjunto de datos propios, logrando un 96,94% de accuracy, un f1-score superior a 94% en todas sus clases y un f2-score superior de 96% exceptuando la clase Urban la cual obtuvo 93%. En segundo lugar, el modelo entrenado con la CNN de Xception obtuvo un 95,58% de accuracy y un f1-score y f2-score superior al 94% en ambos casos en todas su clases después de realizarle fine tuning. Por último, el modelo entrenado con la CNN VGG16 utilizando pesos de ImageNet y el modelo propio con 5 capas convolucionales alcanzaron un 93,65% y un 92,85% de accuracy respectivamente, y un 90% y un 88% de puntuación F1-score, respectivamente. Por último, en este informe se proporciona una visualización de los resultados utilizando la plataforma Google Earth Pro para validar las predicciones realizadas por los dos mejores modelos entrenados.

• Autores: Torres Revelo, José David
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/14979
• Acceso en línea: https://hdl.handle.net/10614/14979; https://red.uao.edu.co/
• Palabra clave: Ingeniería Mecatrónica; Aprendizaje profundo (Aprendizaje automático); Redes neuronales (Computadores); Deforestación; Vigilancia electrónica; Deep learning (Machine learning); Neural networks (Computer science); Deforestation; Electronic surveillance; Satellite imagery; Deforestation; Deep learning; Transfer learning; Convolutional neuronal networks; Imágenes satelitales; Deforestación; Aprendizaje profundo; Transferir aprendizaje; Redes neuronales convolucionales
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2023