Detección de cambio en superficie costera mediante la segmentación de imágenes aéreas utilizando redes neuronales convolucionales

Abstract

La conservación de ecosistemas en zonas costeras debe contemplarse dentro de un marco sustentable con las actividades antropogénicas. Es relevante cuantificar el impacto que generan agentes externos, por lo que el objetivo de este trabajo es implementar un método para el monitoreo de la degradación en superficie de playa y vegetación litoral adyacente. Fueron recabadas capturas de imágenes aéreas de zonas costeras protegidas, obtenidas periódicamente mediante un vehículo drone. Se integró un dataset que contempla todas las fases estacionales y distingue 5 clases para su monitoreo: Mangle, vegetación rastrera, arena, mar y cerro-planicie. Para la segmentación semántica se implementaron y compararon distintas arquitecturas de redes neuronales convolucionales (CNN) empleando aprendizaje transferido. Los resultados han sido robustos en la clasificación, alcanzando una precisión global del 93.9% y entre 89.9-95.8% en las clases individuales. En la métrica Intersección sobre Unión, IoU, el rango fue entre 86.6-92.7%. En la detección de cambio son utilizadas series temporales para el monitoreo de clases. Este método ha sido aplicado al caso de estudio de la playa Ensenada Grande en el Parque Nacional Archipiélago Espíritu Santo.

Monitoreo de la línea de costa con el uso de vehículos aéreos no tripulados (VANT). Caso: Mazatlán, Sinaloa

“…Fueron recabadas capturas de imágenes aéreas de zonas costeras protegidas, obtenidas periódicamente mediante un VANT. Se integró un dataset que contempla todas las fases estacionales y distingue 5 clases para su monitoreo: mangle, vegetación rastrera, arena, mar y cerroplanicie [12].…”

Editorial del número especial sobre robótica y computación

“…Detección de cambio en superficie costera mediante la segmentación de imágenes aéreas utilizando redes neuronales convolucionales, por Padilla-Arballo et al (2022). En este artículo se utilizó segmentación semántica de imágenes adquiridas con drones, utilizando redes neuronales convolucionales preentrenadas, para determinar los cambios en las costas de áreas naturales protegidas.…”

Detección de armas tipo pistola mediante el uso de redes convolucionales con una arquitectura tipo YOLO y estereoscopía

“…Una de las soluciones presentadas para automatizar un sistema de detección consta del uso de las redes neuronales artificiales. Las redes neuronales artificiales son técnicas de aprendizaje automático que simulan los mecanismos de aprendizaje del cerebro humano y su arquitectura consiste en capa de entrada, capas ocultas y capa de salida, en las cuales se encuentran módulos de procesamiento (neuronas) interconectados entre sí, que darán como resultado una predicción (Arballo et al, 2022).…”

“…Una manera simplificada de ver a dichas redes es que son un modelo compuesto por una red multicapa con núcleos (kernels) que convolucionan para extraer características relevantes de la imagen de entrada (Arballo et al, 2022).…”