Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá.
El presente estudio se llevó a cabo con el fin de desarrollar un sistema de visión por computador para monitoreo y control de variables de gran relevancia para la gestión del riesgo como la coloración en el río Medellín y sus afluentes, y para estimar el porcentaje cobertura de nubes usando una red...
- Autores:
-
Toro Ramos, Carlos Andrés
- Tipo de recurso:
- Fecha de publicación:
- 2019
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/76945
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/76945
http://bdigital.unal.edu.co/73995/
- Palabra clave:
- visión por computador
fisheye
Generaci´on de panoramas
Inteligencia artifical
K Nearest Neightbors
Support Vector Machine
Neural Networks
texturas
Redes Neuronales Artificiales
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_35b717be358ef2d85749004651799974 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/76945 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| title |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| spellingShingle |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. visión por computador fisheye Generaci´on de panoramas Inteligencia artifical K Nearest Neightbors Support Vector Machine Neural Networks texturas Redes Neuronales Artificiales |
| title_short |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| title_full |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| title_fullStr |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| title_full_unstemmed |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| title_sort |
Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. |
| dc.creator.fl_str_mv |
Toro Ramos, Carlos Andrés |
| dc.contributor.author.spa.fl_str_mv |
Toro Ramos, Carlos Andrés |
| dc.contributor.spa.fl_str_mv |
Hoyos Ortíz, Carlos David |
| dc.subject.proposal.spa.fl_str_mv |
visión por computador fisheye Generaci´on de panoramas Inteligencia artifical K Nearest Neightbors Support Vector Machine Neural Networks texturas Redes Neuronales Artificiales |
| topic |
visión por computador fisheye Generaci´on de panoramas Inteligencia artifical K Nearest Neightbors Support Vector Machine Neural Networks texturas Redes Neuronales Artificiales |
| description |
El presente estudio se llevó a cabo con el fin de desarrollar un sistema de visión por computador para monitoreo y control de variables de gran relevancia para la gestión del riesgo como la coloración en el río Medellín y sus afluentes, y para estimar el porcentaje cobertura de nubes usando una red de cámaras distribuidas en el Valle de Aburra. Para identificar problemas de coloración en el río se implementa un sistema de detección de colores basado en el canal HSV, enmascarando la región de interés en las fotos y se establecen rangos de detección para los colores rojo, verde, azul. Para obtener el porcentaje de nubosidad en cámaras fisheye se realiza la calibración del sensor para eliminar la distorsión del mismo, posteriormente se aplica la técnica SIFT para generar un panorama de regiones solapadas, se genera una matriz de entrenamiento basada en canales de color RGB, HSV y Cie L*a*b*, y descriptores de textura LBP para clasificar pixeles correspondientes a cielo y nube con el algoritmo SVM; y finalmente, se filtra el ruido producido por la luz solar en las cámaras. Para las imágenes nocturnas se aplica ecualización de histograma, luego se establece un umbral para separar las nubes del cielo y se corrigen errores de clasificación verificando la presencia de lluvia en la zona donde se encuentran las cámaras usando pluviómetros. Los resultados obtenidos para detección de color en río para efectos prácticos son satisfactorios dado que se tienen mayor número de aciertos que de fallos, sin embargo, bajo mejores condiciones de iluminación se pueden mejorar. |
| publishDate |
2019 |
| dc.date.issued.spa.fl_str_mv |
2019-09-13 |
| dc.date.accessioned.spa.fl_str_mv |
2020-03-30T06:33:42Z |
| dc.date.available.spa.fl_str_mv |
2020-03-30T06:33:42Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/76945 |
| dc.identifier.eprints.spa.fl_str_mv |
http://bdigital.unal.edu.co/73995/ |
| url |
https://repositorio.unal.edu.co/handle/unal/76945 http://bdigital.unal.edu.co/73995/ |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartof.spa.fl_str_mv |
Universidad Nacional de Colombia Sede Medellín Facultad de Minas Instituto de Sistemas y Ciencias de la Decisión Instituto de Sistemas y Ciencias de la Decisión |
| dc.relation.haspart.spa.fl_str_mv |
0 Generalidades / Computer science, information and general works |
| dc.relation.references.spa.fl_str_mv |
Toro Ramos, Carlos Andrés (2019) Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín. |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/76945/1/1037616361.pdf https://repositorio.unal.edu.co/bitstream/unal/76945/2/1037616361.pdf.jpg |
| bitstream.checksum.fl_str_mv |
c6ad20c13cb2bc941f76aae0a2767818 3d298b330fca9fb2a7670d0ce3307239 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089336137711616 |
| spelling |
Atribución-NoComercial 4.0 InternacionalDerechos reservados - Universidad Nacional de Colombiahttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Hoyos Ortíz, Carlos DavidToro Ramos, Carlos Andrés43144302-cb69-4093-bd5c-1f26f9968ed23002020-03-30T06:33:42Z2020-03-30T06:33:42Z2019-09-13https://repositorio.unal.edu.co/handle/unal/76945http://bdigital.unal.edu.co/73995/El presente estudio se llevó a cabo con el fin de desarrollar un sistema de visión por computador para monitoreo y control de variables de gran relevancia para la gestión del riesgo como la coloración en el río Medellín y sus afluentes, y para estimar el porcentaje cobertura de nubes usando una red de cámaras distribuidas en el Valle de Aburra. Para identificar problemas de coloración en el río se implementa un sistema de detección de colores basado en el canal HSV, enmascarando la región de interés en las fotos y se establecen rangos de detección para los colores rojo, verde, azul. Para obtener el porcentaje de nubosidad en cámaras fisheye se realiza la calibración del sensor para eliminar la distorsión del mismo, posteriormente se aplica la técnica SIFT para generar un panorama de regiones solapadas, se genera una matriz de entrenamiento basada en canales de color RGB, HSV y Cie L*a*b*, y descriptores de textura LBP para clasificar pixeles correspondientes a cielo y nube con el algoritmo SVM; y finalmente, se filtra el ruido producido por la luz solar en las cámaras. Para las imágenes nocturnas se aplica ecualización de histograma, luego se establece un umbral para separar las nubes del cielo y se corrigen errores de clasificación verificando la presencia de lluvia en la zona donde se encuentran las cámaras usando pluviómetros. Los resultados obtenidos para detección de color en río para efectos prácticos son satisfactorios dado que se tienen mayor número de aciertos que de fallos, sin embargo, bajo mejores condiciones de iluminación se pueden mejorar.Abstract: The present study was made in order to develop a computer vision system to monitorize and control variables relevant variables risk management such as coloration in the Medellin river and to estimate the percentage of cloud cover using a fisheye camera network in the Aburra Valley. To identify color in the river, a color detection system based on the HSV color space is implemented, masking the region of interest in the photos and establishing detection ranges for the colors red, green, blue. To obtain the cloud cover percentage in fisheye cameras, the sensor calibration is done to remove its distortion, later the SIFT algorithm is applied to generate a panorama of overlapping regions in images, a training matrix is generated based on RGB, HSV and Cie L*a*b* color spaces and LBP texture descriptors, to classify pixels corresponding to sky and cloud with the SVM algorithm; and finally, the noise produced by sunlight in the cameras is filtered. For night images, histogram equalization is applied, then a threshold is established to separate the clouds from the sky and classification errors are corrected by verifying the presence of rain in the area where the cameras are located using rain gauges. The results obtained for river color detection for practical purposes are satisfactory given that there are more successes than failures, however, improving light conditions will help to reach better resultsMaestríaapplication/pdfspaUniversidad Nacional de Colombia Sede Medellín Facultad de Minas Instituto de Sistemas y Ciencias de la DecisiónInstituto de Sistemas y Ciencias de la Decisión0 Generalidades / Computer science, information and general worksToro Ramos, Carlos Andrés (2019) Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín.Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá.Trabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMvisión por computadorfisheyeGeneraci´on de panoramasInteligencia artificalK Nearest NeightborsSupport Vector MachineNeural NetworkstexturasRedes Neuronales ArtificialesORIGINAL1037616361.pdfapplication/pdf8447583https://repositorio.unal.edu.co/bitstream/unal/76945/1/1037616361.pdfc6ad20c13cb2bc941f76aae0a2767818MD51THUMBNAIL1037616361.pdf.jpg1037616361.pdf.jpgGenerated Thumbnailimage/jpeg5001https://repositorio.unal.edu.co/bitstream/unal/76945/2/1037616361.pdf.jpg3d298b330fca9fb2a7670d0ce3307239MD52unal/76945oai:repositorio.unal.edu.co:unal/769452024-07-15 23:09:34.532Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.co |