Detección de minas anti-personales en señales de GPR con técnicas de machine learning

Dada la cantidad de muertos y heridos a nivel mundial anualmente debido a los campos minados (30.000)[1], surge la necesidad de llevar a cabo la labor humanitaria de despejar los campos minados. Específicamente en Colombia se estima que podría haber alrededor de 50.000 minas anti-personales en varias regiones del país. También se cree que el temor a estas ha generado un desplazamiento forzoso de por lo menos 500.000 personas en diferentes regiones, según [2]. Una alternativa que presenta grandes ventajas para el desminado es el uso de sistemas de radares de penetración de suelos (GPR por sus siglas en ingles) para la detección de minas. Sin embargo esta alternativo tiene una desventaja implícita, la lectura de las señales de GPR no es tarea fácil por lo cual se requiere del criterio de un experto para interpretar las señales obtenidas. Esta falencia se puede mejorar por medio de algoritmos que permitan automatizar el proceso. El presente trabajo busca implementar técnicas de Machine Learning para tales fines. Para esto se realizaron 528 simulaciones en una variedad de escenarios en las cuales la mitad de los datos corresponde a la clase con mina y la otra a la clase sin mina. Por otro lado previo al entrenamiento se hizo una investigación de varias características y luego se usaron algoritmos para seleccionar entre estas. De esta forma se obtuvo un modelo predictivo para el problema planteado y además se identificó el sub-conjunto de las características para clasificar

• Autores: Whaite Gimon, Franklin Eduardo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2017
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/40033
• Acceso en línea: http://hdl.handle.net/1992/40033
• Palabra clave: Radar de penetración terrestre; Minas antipersonales; Aprendizaje automático (Inteligencia artificial); Métodos de simulación; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf