Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was gene...
- Autores:
-
Vecino Salcedo, Cristian Fernando
Ramos Patiño, Juan Pablo
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Antonio Nariño
- Repositorio:
- Repositorio UAN
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uan.edu.co:123456789/7129
- Acceso en línea:
- http://repositorio.uan.edu.co/handle/123456789/7129
- Palabra clave:
- Palma de cera
Aprendizaje profundo
Redes neuronales convolucionales
Detección de objetos
Sensores remotos.
Wax palm
Deep learning
Convolutional neural networks
Object detection
Remote sensing
- Rights
- openAccess
- License
- Attribution 4.0 International (CC BY 4.0)
| id |
UAntonioN2_517911863e8db9b245dbdd861e08bbbc |
|---|---|
| oai_identifier_str |
oai:repositorio.uan.edu.co:123456789/7129 |
| network_acronym_str |
UAntonioN2 |
| network_name_str |
Repositorio UAN |
| repository_id_str |
|
| dc.title.es_ES.fl_str_mv |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| title |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| spellingShingle |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing |
| title_short |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| title_full |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| title_fullStr |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| title_full_unstemmed |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| title_sort |
Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro |
| dc.creator.fl_str_mv |
Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo |
| dc.contributor.advisor.spa.fl_str_mv |
Carvajal Vanegas, Andrés Felipe |
| dc.contributor.author.spa.fl_str_mv |
Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo |
| dc.subject.es_ES.fl_str_mv |
Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. |
| topic |
Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing |
| dc.subject.keyword.es_ES.fl_str_mv |
Wax palm Deep learning Convolutional neural networks Object detection Remote sensing |
| description |
It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was generated from a first training phase with sampling accomplished on a sector of isolated palms and visually identified palm groves in the zone of the Cocora valley in Salento, department of Quindío; subsequently, and then carry out the model validation in the entire zone and optimizing the training and detection parameters, automatic identification of wax palms was performed in the implementation zone, corresponding to Alto de Toche and La Ceja jurisdiction, municipalities of Ibagué and Cajamarca, department of Tolima; obtaining an average modelling precision score of 0.74, and a percentage of less than 2% of omitted individuals and false detections in pasture areas, and greater than 30% in areas of forest cover. |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-10-13T19:47:11Z |
| dc.date.available.none.fl_str_mv |
2022-10-13T19:47:11Z |
| dc.date.issued.spa.fl_str_mv |
2022-07-29 |
| dc.type.spa.fl_str_mv |
Trabajo de grado (Pregrado y/o Especialización) |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.coarversion.none.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://repositorio.uan.edu.co/handle/123456789/7129 |
| dc.identifier.bibliographicCitation.spa.fl_str_mv |
Bernal, R., Galeano, G. & Sanín M. (2015). Plan de conservación, manejo y uso sostenible de la palma de cera del Quindío (Ceroxylon quindiuense), Árbol Nacional de Colombia. Ministerio de Ambiente y Desarrollo Sostenible - Universidad Nacional de Colombia. 70 p. https://doi.org/10.13140/RG.2.1.3674.4409 Bernal, R. & Sanín. M. (2013). Los palmares de Ceroxylon quindiuense (Arecaceae) en el valle de Cocora, Quindío: perspectivas de un ícono escénico de Colombia. Colombia Forestal Vol 16 (1): 67-79. https://doi.org/10.14483/udistrital.jour.colomb.for.2013.1.a05 Bagnato (2020). Aprende Machine Learning en español: teoría + práctica Python. 350 p. https://www.coursehero.com/file/73480574/aprende-machine-learningpdf/ Bobadilla. J. (2021). Machine Learning y Deep Learning usando Python, Scikit y Keras. Ediciones de la U. 293 p. https://es.scribd.com/book/510866088/Machine-Learning-y-Deep-LearningUsando-Python-Scikit-y-Keras Boldrini, N. (2021). Deep Learning, qué es el aprendizaje profundo, cómo funciona y cuáles son los casos de aplicación. https://www.innovaciondigital360.com/i-a/deep-learning-que-es-el-aprendizajeprofundo-como-funciona-y-cuales-son-los-casos-de-aplicacion/ Boruah, P. (2021). RetinaNet: The beauty of Focal Loss. Towards Data Science. https://towardsdatascience.com/retinanet-the-beauty-of-focal-loss-e9ab132f2981 Castillo, L., Bernal, R., Matallana, C. Waldrón, T., Martínez, B., Garcia, H., Parra, J., Sanin, M., Carvajal, C., Poveda, F. & Zuluaga A. (2020). Tochecito: una oportunidad de conservación de nuestro árbol nacional, en IAvH. Biodiversidad, Reporte de estado y tendencias de la biodiversidad continental de Colombia. Capitulo 4, Oportunidades de gestión de la biodiversidad territorial. Instituto Alexander von Humboldt. http://reporte.humboldt.org.co/biodiversidad/2020/cap4/406/ Contreras, S. (2016). Aplicación de Deep Learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. Ingeniería de Sistemas y Computación. Universidad de los Andes. 44 p. https://repositorio.uniandes.edu.co/handle/1992/18454 Diaz, D. & Barragan, A. (2020). Interpretación de imágenes de satélite con técnicas de Machine Learning para el monitoreo de cultivos: Universidad de Los Andes. Facultad de Ingenieria. 22 p. https://repositorio.uniandes.edu.co/handle/1992/51505 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Antonio Nariño |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UAN |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repositorio.uan.edu.co/ |
| url |
http://repositorio.uan.edu.co/handle/123456789/7129 |
| identifier_str_mv |
Bernal, R., Galeano, G. & Sanín M. (2015). Plan de conservación, manejo y uso sostenible de la palma de cera del Quindío (Ceroxylon quindiuense), Árbol Nacional de Colombia. Ministerio de Ambiente y Desarrollo Sostenible - Universidad Nacional de Colombia. 70 p. https://doi.org/10.13140/RG.2.1.3674.4409 Bernal, R. & Sanín. M. (2013). Los palmares de Ceroxylon quindiuense (Arecaceae) en el valle de Cocora, Quindío: perspectivas de un ícono escénico de Colombia. Colombia Forestal Vol 16 (1): 67-79. https://doi.org/10.14483/udistrital.jour.colomb.for.2013.1.a05 Bagnato (2020). Aprende Machine Learning en español: teoría + práctica Python. 350 p. https://www.coursehero.com/file/73480574/aprende-machine-learningpdf/ Bobadilla. J. (2021). Machine Learning y Deep Learning usando Python, Scikit y Keras. Ediciones de la U. 293 p. https://es.scribd.com/book/510866088/Machine-Learning-y-Deep-LearningUsando-Python-Scikit-y-Keras Boldrini, N. (2021). Deep Learning, qué es el aprendizaje profundo, cómo funciona y cuáles son los casos de aplicación. https://www.innovaciondigital360.com/i-a/deep-learning-que-es-el-aprendizajeprofundo-como-funciona-y-cuales-son-los-casos-de-aplicacion/ Boruah, P. (2021). RetinaNet: The beauty of Focal Loss. Towards Data Science. https://towardsdatascience.com/retinanet-the-beauty-of-focal-loss-e9ab132f2981 Castillo, L., Bernal, R., Matallana, C. Waldrón, T., Martínez, B., Garcia, H., Parra, J., Sanin, M., Carvajal, C., Poveda, F. & Zuluaga A. (2020). Tochecito: una oportunidad de conservación de nuestro árbol nacional, en IAvH. Biodiversidad, Reporte de estado y tendencias de la biodiversidad continental de Colombia. Capitulo 4, Oportunidades de gestión de la biodiversidad territorial. Instituto Alexander von Humboldt. http://reporte.humboldt.org.co/biodiversidad/2020/cap4/406/ Contreras, S. (2016). Aplicación de Deep Learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. Ingeniería de Sistemas y Computación. Universidad de los Andes. 44 p. https://repositorio.uniandes.edu.co/handle/1992/18454 Diaz, D. & Barragan, A. (2020). Interpretación de imágenes de satélite con técnicas de Machine Learning para el monitoreo de cultivos: Universidad de Los Andes. Facultad de Ingenieria. 22 p. https://repositorio.uniandes.edu.co/handle/1992/51505 instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Acceso abierto |
| dc.rights.license.spa.fl_str_mv |
Attribution 4.0 International (CC BY 4.0) |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution 4.0 International (CC BY 4.0) Acceso abierto https://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.coverage.spatial.spa.fl_str_mv |
Colombia(Bogotá D.C) |
| dc.publisher.spa.fl_str_mv |
Universidad Antonio Nariño |
| dc.publisher.program.spa.fl_str_mv |
Especialización en Sistemas de Información Geográfica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería Ambiental |
| dc.publisher.campus.spa.fl_str_mv |
Bogotá - Federmán |
| institution |
Universidad Antonio Nariño |
| bitstream.url.fl_str_mv |
https://repositorio.uan.edu.co/bitstreams/ba93e01f-d9ab-46fb-b0c1-8284cb136185/download https://repositorio.uan.edu.co/bitstreams/cfde5e43-dfec-42df-a51a-7b936e46ff3d/download https://repositorio.uan.edu.co/bitstreams/cad9da44-9846-4e30-95d7-bf03949ea91a/download https://repositorio.uan.edu.co/bitstreams/07f16566-a0c5-48c0-b9b7-dc236c7dc015/download https://repositorio.uan.edu.co/bitstreams/848f9908-6558-4955-9b47-09490ebc4025/download https://repositorio.uan.edu.co/bitstreams/5ae0bd26-4f0b-4a7e-a9ed-20257dc294c4/download https://repositorio.uan.edu.co/bitstreams/8ea46231-d7d1-482e-aa29-775d4b9676e8/download https://repositorio.uan.edu.co/bitstreams/a9d88dab-6f19-46b7-8c1a-e28c781e2f3d/download https://repositorio.uan.edu.co/bitstreams/5edb2e72-8d10-4233-a272-ce813aa8be64/download https://repositorio.uan.edu.co/bitstreams/8813c169-cd8f-4170-aeeb-c0a6e5217fa3/download |
| bitstream.checksum.fl_str_mv |
8eb0305f4e7ffa90ec995871dc2c64b0 30aeadca7029662967a084811d92df7e f3b7bbc67420fcb538bde704615ccdce 2b2ab6ec8a6a222739b9c0e57c635c2e b5822536fed5627c3869194fee085a89 64033b4b7f16f4ef91db5ef59a339194 7890537498a38e30f13c46460525ac12 b439663d42e3dc0d3a5ee44ba591564f 1121454a4f2e052cf8fb17c0ee5fc426 269cf6c8b88418992e55d05c8433015b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UAN |
| repository.mail.fl_str_mv |
alertas.repositorio@uan.edu.co |
| _version_ |
1814300437704081408 |
| spelling |
Attribution 4.0 International (CC BY 4.0)Acceso abiertohttps://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Carvajal Vanegas, Andrés FelipeVecino Salcedo, Cristian FernandoRamos Patiño, Juan Pablo1179201254411792012724Colombia(Bogotá D.C)2022-10-13T19:47:11Z2022-10-13T19:47:11Z2022-07-29http://repositorio.uan.edu.co/handle/123456789/7129Bernal, R., Galeano, G. & Sanín M. (2015). Plan de conservación, manejo y uso sostenible de la palma de cera del Quindío (Ceroxylon quindiuense), Árbol Nacional de Colombia. Ministerio de Ambiente y Desarrollo Sostenible - Universidad Nacional de Colombia. 70 p. https://doi.org/10.13140/RG.2.1.3674.4409Bernal, R. & Sanín. M. (2013). Los palmares de Ceroxylon quindiuense (Arecaceae) en el valle de Cocora, Quindío: perspectivas de un ícono escénico de Colombia. Colombia Forestal Vol 16 (1): 67-79. https://doi.org/10.14483/udistrital.jour.colomb.for.2013.1.a05Bagnato (2020). Aprende Machine Learning en español: teoría + práctica Python. 350 p. https://www.coursehero.com/file/73480574/aprende-machine-learningpdf/Bobadilla. J. (2021). Machine Learning y Deep Learning usando Python, Scikit y Keras. Ediciones de la U. 293 p. https://es.scribd.com/book/510866088/Machine-Learning-y-Deep-LearningUsando-Python-Scikit-y-KerasBoldrini, N. (2021). Deep Learning, qué es el aprendizaje profundo, cómo funciona y cuáles son los casos de aplicación. https://www.innovaciondigital360.com/i-a/deep-learning-que-es-el-aprendizajeprofundo-como-funciona-y-cuales-son-los-casos-de-aplicacion/Boruah, P. (2021). RetinaNet: The beauty of Focal Loss. Towards Data Science. https://towardsdatascience.com/retinanet-the-beauty-of-focal-loss-e9ab132f2981Castillo, L., Bernal, R., Matallana, C. Waldrón, T., Martínez, B., Garcia, H., Parra, J., Sanin, M., Carvajal, C., Poveda, F. & Zuluaga A. (2020). Tochecito: una oportunidad de conservación de nuestro árbol nacional, en IAvH. Biodiversidad, Reporte de estado y tendencias de la biodiversidad continental de Colombia. Capitulo 4, Oportunidades de gestión de la biodiversidad territorial. Instituto Alexander von Humboldt. http://reporte.humboldt.org.co/biodiversidad/2020/cap4/406/Contreras, S. (2016). Aplicación de Deep Learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. Ingeniería de Sistemas y Computación. Universidad de los Andes. 44 p. https://repositorio.uniandes.edu.co/handle/1992/18454Diaz, D. & Barragan, A. (2020). Interpretación de imágenes de satélite con técnicas de Machine Learning para el monitoreo de cultivos: Universidad de Los Andes. Facultad de Ingenieria. 22 p. https://repositorio.uniandes.edu.co/handle/1992/51505instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was generated from a first training phase with sampling accomplished on a sector of isolated palms and visually identified palm groves in the zone of the Cocora valley in Salento, department of Quindío; subsequently, and then carry out the model validation in the entire zone and optimizing the training and detection parameters, automatic identification of wax palms was performed in the implementation zone, corresponding to Alto de Toche and La Ceja jurisdiction, municipalities of Ibagué and Cajamarca, department of Tolima; obtaining an average modelling precision score of 0.74, and a percentage of less than 2% of omitted individuals and false detections in pasture areas, and greater than 30% in areas of forest cover.Se llevó a cabo el entrenamiento de un modelo basado en Aprendizaje Profundo (o Deep Learning) y redes neuronales convolucionales de tipo RetinaNet, para la detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, utilizando las herramientas disponibles para detección de objetos en ArcGIS Pro. El modelo se generó a partir de una primera fase de entrenamiento con toma de muestras realizada sobre un sector de palmas aisladas y palmares identificados visualmente en la zona del valle de Cocora en Salento, departamento del Quindío; luego de realizar la validación del modelo en la totalidad de esta zona y optimizar los parámetros de entrenamiento y detección, se realizó la identificación automática de palmas de cera en la zona de implementación, correspondiente a la zona de las veredas de Alto de Toche y La Ceja, en los municipios de Ibagué y Cajamarca, departamento de Tolima; obteniendo una puntuación de precisión media de modelamiento de 0,74, y un porcentaje menor al 2% de individuos omitidos y falsas detecciones en áreas de pastos, y mayores a 30% en áreas de cobertura boscosa.Especialista en Sistemas de Información GeográficaEspecializaciónPresencialMonografíaspaUniversidad Antonio NariñoEspecialización en Sistemas de Información GeográficaFacultad de Ingeniería AmbientalBogotá - FedermánPalma de ceraAprendizaje profundoRedes neuronales convolucionalesDetección de objetosSensores remotos.Wax palmDeep learningConvolutional neural networksObject detectionRemote sensingDetección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS ProTrabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85GeneralORIGINAL2023_JuanPabloRamosPatiño2023_JuanPabloRamosPatiñoDocumento final trabajo de gradoapplication/pdf6105614https://repositorio.uan.edu.co/bitstreams/ba93e01f-d9ab-46fb-b0c1-8284cb136185/download8eb0305f4e7ffa90ec995871dc2c64b0MD512023_JuanPabloRamosPatiño_Autorización2023_JuanPabloRamosPatiño_AutorizaciónAutorización de los autoresapplication/pdf2168575https://repositorio.uan.edu.co/bitstreams/cfde5e43-dfec-42df-a51a-7b936e46ff3d/download30aeadca7029662967a084811d92df7eMD532023_JuanPabloRamosPatiño_Acta2023_JuanPabloRamosPatiño_ActaActa de sustentaciónapplication/pdf132628https://repositorio.uan.edu.co/bitstreams/cad9da44-9846-4e30-95d7-bf03949ea91a/downloadf3b7bbc67420fcb538bde704615ccdceMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.uan.edu.co/bitstreams/07f16566-a0c5-48c0-b9b7-dc236c7dc015/download2b2ab6ec8a6a222739b9c0e57c635c2eMD54TEXT2023_JuanPabloRamosPatiño.txt2023_JuanPabloRamosPatiño.txtExtracted texttext/plain96114https://repositorio.uan.edu.co/bitstreams/848f9908-6558-4955-9b47-09490ebc4025/downloadb5822536fed5627c3869194fee085a89MD552023_JuanPabloRamosPatiño_Autorización.txt2023_JuanPabloRamosPatiño_Autorización.txtExtracted texttext/plain6384https://repositorio.uan.edu.co/bitstreams/5ae0bd26-4f0b-4a7e-a9ed-20257dc294c4/download64033b4b7f16f4ef91db5ef59a339194MD572023_JuanPabloRamosPatiño_Acta.txt2023_JuanPabloRamosPatiño_Acta.txtExtracted texttext/plain1563https://repositorio.uan.edu.co/bitstreams/8ea46231-d7d1-482e-aa29-775d4b9676e8/download7890537498a38e30f13c46460525ac12MD59THUMBNAIL2023_JuanPabloRamosPatiño.jpg2023_JuanPabloRamosPatiño.jpgGenerated Thumbnailimage/jpeg8749https://repositorio.uan.edu.co/bitstreams/a9d88dab-6f19-46b7-8c1a-e28c781e2f3d/downloadb439663d42e3dc0d3a5ee44ba591564fMD562023_JuanPabloRamosPatiño_Autorización.jpg2023_JuanPabloRamosPatiño_Autorización.jpgGenerated Thumbnailimage/jpeg20938https://repositorio.uan.edu.co/bitstreams/5edb2e72-8d10-4233-a272-ce813aa8be64/download1121454a4f2e052cf8fb17c0ee5fc426MD582023_JuanPabloRamosPatiño_Acta.jpg2023_JuanPabloRamosPatiño_Acta.jpgGenerated Thumbnailimage/jpeg12127https://repositorio.uan.edu.co/bitstreams/8813c169-cd8f-4170-aeeb-c0a6e5217fa3/download269cf6c8b88418992e55d05c8433015bMD510123456789/7129oai:repositorio.uan.edu.co:123456789/71292024-10-21 12:44:23.813https://creativecommons.org/licenses/by/4.0/Acceso abiertorestrictedhttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co |