Inteligencia artificial, coberturas del suelo y cultivos de coca en Norte de Santander: Estudio de caso en los Municipios de Tibú, El Tarra y Sardinata

Este documento presenta el desarrollo de una metodología para determinar las posibles áreas rurales con cultivos de coca en los municipios Tibú, Sardinata y El Tarra en el departamento de Norte de Santander; implementando conocimientos de análisis de imágenes satelitales e Inteligencia Artificial, logrando resultados confiables. Para la realización del proyecto se utilizaron imágenes satelitales SENTINEL-2 entre 2018 y 2020, estas pasaron por una etapa de pre-procesamiento, para luego ser analizadas visualmente con la ayuda de la capa de polígonos del proyecto SIMCI, que enmarcan las áreas con cultivos de coca en el país. Una vez determinadas las posibles zonas con cultivos de coca, que se encuentra más asociada a la ampliación de la frontera agrícola, se extrajeron las muestras en composición de color verdadero para consolidar el conjunto de datos de la etiqueta "COCA_SI". La etiqueta "COCA_NO" se consolidó con muestras tomadas de un repositorio de datos libre, más las muestras tomadas de los municipios sin cultivos de coca en el departamento de Boyacá. En la etapa de diseño de la estructura final de la Red Convolucional y en la definición de los hiperparámetros, se realizó una constante revisión bibliográfica, múltiples pruebas del código, ajustes, comparación y análisis de los resultados obtenidos después de cada validación y el análisis derivado de la matriz de confusión, que finalmente llevó a elegir el modelo con mejor desempeño, obteniendo una precisión del 98%, mostrando resultados positivos, por lo que se logró el objetivo del proyecto.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/32039
• Acceso en línea: http://hdl.handle.net/11349/32039
• Palabra clave: Red Neuronal Convolucional; Clasificación de Cobertura de Suelo; Inteligencia artificial; Aprendizaje profundo; Análisis imagen satelital; Cultivo de coca; Ingeniería Catastral y Geodesia -- Tesis y disertaciones académicas; Cultivos de coca; Análisis de imágenes satelitales; Inteligencia artificial; Frontera agrícola; Artificial intelligence; Convolutional Neural Networks; Satellite Image Analysis; Deep learning; Coca crops; Land cover classification
• License: Attribution-NoDerivatives 4.0 Internacional