Aplicación de técnicas de machine learning para la construcción de modelos de una sola clase en la identificación de cultivos a partir de imágenes de satélite

En el contexto de los lotes agrícolas, es de interés hacer seguimientos sobre los cultivos que se están actualmente sembrando. Sin embargo, el problema yace en que esta tarea es aún en su mayoría de carácter manual, lo que implica una visita física al sitio. Este obstáculo conduce a la exploración del uso de imágenes satelitales para efectuar el seguimiento; no obstante, el reconocimiento visual también es aún de carácter manual, por lo que se considera el uso de técnicas de visión por computador para la detección y clasificación automática de cultivos. Dicho esto, el proyecto explora la aplicación de modelos de clasificación de una sola clase para la identificación de cultivos en imágenes satelitales. En particular, la aplicación de modelos basados en Deep Learning y modelos tradicionales de Machine Learning. Los resultados indican que la aplicación de estos modelos para la detección de cultivos es viable, siendo eficiente y con un bajo margen de error. Específicamente, se encontró que la aplicación de modelos basados en deep learning tuvo un mejor rendimiento general sobre los modelos tradicionales.

• Autores: Castillo Andrade, Daniel del
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/54922
• Acceso en línea: http://hdl.handle.net/1992/54922
• Palabra clave: Machine learning; modelos de una clase; imágenes satelitales; Aprendizaje automático (Inteligencia artificial); Imágenes de detección a distancia; Sensores remotos; Estimación de cosechas; Ingeniería
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/