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...

Full description

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
bitstream.checksum.fl_str_mv 8eb0305f4e7ffa90ec995871dc2c64b0
30aeadca7029662967a084811d92df7e
f3b7bbc67420fcb538bde704615ccdce
2b2ab6ec8a6a222739b9c0e57c635c2e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UAN
repository.mail.fl_str_mv alertas.repositorio@uan.edu.co
_version_ 1812928375087431680
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/download2b2ab6ec8a6a222739b9c0e57c635c2eMD54123456789/7129oai:repositorio.uan.edu.co:123456789/71292024-10-09 23:25:27.11https://creativecommons.org/licenses/by/4.0/Acceso abiertorestrictedhttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co

Publicaciones similares