Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales

Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022.

Guardado en:
Detalles Bibliográficos
Autor principal: Escobares, Cristhian Daniel
Otros Autores: Rubio, Jorge Eduardo
Formato: bachelorThesis
Lenguaje:Español
Publicado: 2022
Materias:
Análisis de datos
Redes neuronales artificiales
Aprendizaje automático
Inundación
Cultivo
Inteligencia artificial
Satellite data analysis
Machine learning
Artificial neural networks
Acceso en línea:http://hdl.handle.net/11086/27640
Aporte de:
Repositorio Digital Universitario (UNC) de Universidad Nacional de Córdoba
id I10-R141-11086-27640
record_format dspace
spelling I10-R141-11086-276402023-08-31T13:19:46Z Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales Escobares, Cristhian Daniel Rubio, Jorge Eduardo Pury, Pedro Angel Análisis de datos Redes neuronales artificiales Aprendizaje automático Inundación Cultivo Inteligencia artificial Satellite data analysis Machine learning Artificial neural networks Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022. Fil: Escobares, Cristhian Daniel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. En este trabajo especial se da un punto de vista desde la Física a la distinción vía satélite de un campo inundado de uno no inundado. Se compone de dos grandes partes: en la primera (capítulos 1 y 2) se define el sistema a estudiar (campos de cultivo en la Pampa Húmeda Argentina). Luego, se obtienen características de la reflectancia electromagnética que tiene el sistema en su conjunto. Esto es corroborado por dos conjuntos de datos creados por diferentes profesionales en la clasificación de campos inundados a través de imágenes satelitales. En la segunda parte (capítulos 3, 4 y 5), se utilizan métodos de aprendizaje automático para la clasificación, realizando varias pruebas para determinar cuál es el más consistente ante cambios en el conjunto de entrenamiento y también ante cambios en el sesgo (intrínseco de cada profesional). Obteniéndose un incremento en la precisión de la clasificación con respecto a la clasificación por índices. In this special work, a point of view from Physics is given to the distinction via satellite of a flooded field from a non-flooded one. It is composed of two large parts: in the first one (chapters 1 and 2) the system to be study (crop fields in the area of the Pampa Húmeda Argentina). Then characteristics of the electromagnetic reflectance that the system as a whole has, are obtained. This is corroborated by two data sets, each one created by different professionals in the classification of flooded fields through satellite images. In the second part (chapters 3, 4 and 5), some machine learning methods are used for classification, performing several tests to determine which one is the most consistent under changes in the training set (varying which data from a set is used in the training set), and also under changes in the bias (intrinsic to each professional). Obtaining an increase in the accuracy of the classification with respect to the index classification. Fil: Escobares, Cristhian Daniel. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina. 2022-07-28T14:42:43Z 2022-07-28T14:42:43Z 2022-06-09 bachelorThesis http://hdl.handle.net/11086/27640 spa Atribución-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-sa/4.0/
institution Universidad Nacional de Córdoba
institution_str I-10
repository_str R-141
collection Repositorio Digital Universitario (UNC)
language Español
topic Análisis de datos
Redes neuronales artificiales
Aprendizaje automático
Inundación
Cultivo
Inteligencia artificial
Satellite data analysis
Machine learning
Artificial neural networks
spellingShingle Análisis de datos
Redes neuronales artificiales
Aprendizaje automático
Inundación
Cultivo
Inteligencia artificial
Satellite data analysis
Machine learning
Artificial neural networks
Escobares, Cristhian Daniel
Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
topic_facet Análisis de datos
Redes neuronales artificiales
Aprendizaje automático
Inundación
Cultivo
Inteligencia artificial
Satellite data analysis
Machine learning
Artificial neural networks
description Tesis (Lic. en Física)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2022.
author2 Rubio, Jorge Eduardo
author_facet Rubio, Jorge Eduardo
Escobares, Cristhian Daniel
format bachelorThesis
author Escobares, Cristhian Daniel
author_sort Escobares, Cristhian Daniel
title Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
title_short Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
title_full Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
title_fullStr Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
title_full_unstemmed Utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
title_sort utilización de técnicas de aprendizaje automático para la detección de áreas de cultivos anegadas con imágenes satelitales
publishDate 2022
url http://hdl.handle.net/11086/27640
work_keys_str_mv AT escobarescristhiandaniel utilizaciondetecnicasdeaprendizajeautomaticoparaladetecciondeareasdecultivosanegadasconimagenessatelitales
_version_ 1782014528040468480

Ejemplares similares