Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A

Remote sensing and satellite imagery are tools of great importance for agronomic and environmental sciences. One of the applications in which this type of techniques are used in agronomy is crop condition monitoring. For this purpose, the use of machine learning techniques to perform classification...

Full description

Autores:
González Rodríguez, Geovanny Andrés
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2020
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/51479
Acceso en línea:
http://hdl.handle.net/1992/51479
Palabra clave:
Sensores remotos
Imágenes de detección a distancia
Aprendizaje automático (Inteligencia artificial)
Caña de azúcar
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
id UNIANDES2_e936c74934035a3f9fe6bdea16980a9d
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/51479
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.spa.fl_str_mv Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
title Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
spellingShingle Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
Sensores remotos
Imágenes de detección a distancia
Aprendizaje automático (Inteligencia artificial)
Caña de azúcar
Ingeniería
title_short Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
title_full Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
title_fullStr Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
title_full_unstemmed Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
title_sort Segmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2A
dc.creator.fl_str_mv González Rodríguez, Geovanny Andrés
dc.contributor.advisor.none.fl_str_mv Castro Barrera, Harold Enrique
dc.contributor.author.none.fl_str_mv González Rodríguez, Geovanny Andrés
dc.subject.armarc.none.fl_str_mv Sensores remotos
Imágenes de detección a distancia
Aprendizaje automático (Inteligencia artificial)
Caña de azúcar
topic Sensores remotos
Imágenes de detección a distancia
Aprendizaje automático (Inteligencia artificial)
Caña de azúcar
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Remote sensing and satellite imagery are tools of great importance for agronomic and environmental sciences. One of the applications in which this type of techniques are used in agronomy is crop condition monitoring. For this purpose, the use of machine learning techniques to perform classification tasks is a very common option to meet this objective. However, a common problem that arises when trying to apply this type of solutions is the lack of a significant amount of data that allows to adequately teach the classifier the specific characteristics of the crop. Likewise, this problem is made even more difficult given the insufficient resolution of public satellite images that prevent manually delimiting the crop region with high precision. Therefore, the need to carry out field work to record the points that delimit the region constitutes a labor-intensive task with high costs that prevent scaling up the data collection process...
publishDate 2020
dc.date.issued.none.fl_str_mv 2020
dc.date.accessioned.none.fl_str_mv 2021-08-10T18:26:59Z
dc.date.available.none.fl_str_mv 2021-08-10T18:26:59Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/51479
dc.identifier.pdf.none.fl_str_mv 23405.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/51479
identifier_str_mv 23405.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/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 http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 47 hojas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería de Sistemas y Computación
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería de Sistemas y Computación
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/f1cae0b2-b498-449e-ab87-47448600dbc6/download
https://repositorio.uniandes.edu.co/bitstreams/117b5e73-90d3-44ed-bb0b-202bcd4aa322/download
https://repositorio.uniandes.edu.co/bitstreams/23e0a061-b7f6-45e7-bfc0-fda91e6b4f6c/download
bitstream.checksum.fl_str_mv 2fe03cdae2ae6108f12275c11b024d84
91b88dac91c80639efe9fbd34d7e47df
3a0ac6a969d1df9f164c3f9e0381dda9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134077262725120
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Castro Barrera, Harold Enriquevirtual::17434-1González Rodríguez, Geovanny Andrés8148129f-7ef6-44c3-b1bc-f7599a826bc45002021-08-10T18:26:59Z2021-08-10T18:26:59Z2020http://hdl.handle.net/1992/5147923405.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Remote sensing and satellite imagery are tools of great importance for agronomic and environmental sciences. One of the applications in which this type of techniques are used in agronomy is crop condition monitoring. For this purpose, the use of machine learning techniques to perform classification tasks is a very common option to meet this objective. However, a common problem that arises when trying to apply this type of solutions is the lack of a significant amount of data that allows to adequately teach the classifier the specific characteristics of the crop. Likewise, this problem is made even more difficult given the insufficient resolution of public satellite images that prevent manually delimiting the crop region with high precision. Therefore, the need to carry out field work to record the points that delimit the region constitutes a labor-intensive task with high costs that prevent scaling up the data collection process...La teledetección y las imágenes satelitales son herramientas de gran importancia para las ciencias agronómicas y ambientales. Una de las aplicaciones en las que se emplean este tipo de técnicas en la agronomía es el control del estado de los cultivos. Para ello, el uso de técnicas de aprendizaje automático que permitan realizar tareas de clasificación es una opción muy común para cumplir con este objetivo. No obstante, una problemática común que surge al intentar aplicar este tipo de soluciones es la carencia de un número significativo de datos que permitan enseñarle adecuadamente al clasificador las características concretas del cultivo. Asimismo, esta problemática se dificulta aún más dada la insuficiente resolución de las imágenes satelitales públicas que impiden delimitar manualmente la región de cultivo con gran precisión. Por ello, la necesidad de realizar trabajo de campo para tomar registro de los puntos que delimitan la región constituye una labor de arduo trabajo con costos elevados...Ingeniero de Sistemas y ComputaciónPregrado47 hojasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y ComputaciónSegmentación de zonas de cultivo de caña panelera utilizando técnicas de Region Growing con imágenes satelitales Sentinel 2ATrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPSensores remotosImágenes de detección a distanciaAprendizaje automático (Inteligencia artificial)Caña de azúcarIngeniería201719528Publicationhttps://scholar.google.es/citations?user=YYKMZ3UAAAAJvirtual::17434-10000-0002-7586-9419virtual::17434-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000487457virtual::17434-1a8994168-982a-4fa4-a34f-6f053597957avirtual::17434-1a8994168-982a-4fa4-a34f-6f053597957avirtual::17434-1ORIGINAL23405.pdfapplication/pdf3320692https://repositorio.uniandes.edu.co/bitstreams/f1cae0b2-b498-449e-ab87-47448600dbc6/download2fe03cdae2ae6108f12275c11b024d84MD51TEXT23405.pdf.txt23405.pdf.txtExtracted texttext/plain66466https://repositorio.uniandes.edu.co/bitstreams/117b5e73-90d3-44ed-bb0b-202bcd4aa322/download91b88dac91c80639efe9fbd34d7e47dfMD54THUMBNAIL23405.pdf.jpg23405.pdf.jpgIM Thumbnailimage/jpeg8298https://repositorio.uniandes.edu.co/bitstreams/23e0a061-b7f6-45e7-bfc0-fda91e6b4f6c/download3a0ac6a969d1df9f164c3f9e0381dda9MD551992/51479oai:repositorio.uniandes.edu.co:1992/514792024-03-13 16:01:15.148http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares