Modelo de red neuronal convolucional para la clasificación de tipos de nubes en imágenes de webcam

Abstract

La presente investigación aborda la problemática de la clasificación manual de tipos de nubes en estaciones meteorológicas del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI), un proceso sujeto a errores y demandante de tiempo. El estudio justifica su relevancia destacando la importancia de la observación precisa de nubes en la meteorología y cómo la automatización mediante una herramienta de clasificación basada en redes neuronales convolucionales podría optimizar este procedimiento. Este trabajo se enmarca dentro del proyecto Meteo-Huascarán, en colaboración con el SENAMHI y el grupo de investigación IAPUCP. El método empleado consiste en el entrenamiento de un modelo de red neuronal convolucional, utilizando aprendizaje supervisado para clasificar automáticamente los tipos de nubes a partir de imágenes tomadas desde tierra. La investigación contempla la preparación de una base de datos representativa, la implementación de tres arquitecturas de redes neuronales y la selección de la más adecuada mediante una evaluación comparativa. Además, el desarrollo una interfaz web para mostrar el funcionamiento del modelo. Los resultados muestran un avance en la automatización de la clasificación de tipos de nubes, seleccionando la arquitectura Inception v3 como la más adecuada para el proyecto. La implementación de la interfaz web facilita la interacción con el modelo, permitiendo la carga de imágenes de nubes y obteniendo la clasificación correspondiente de forma automática. Este trabajo contribuye a la automatización del proceso de clasificación de tipos de nubes en el SENAMHI, proponiendo una solución tecnológica que reduce la dependencia de observadores humanos y mejora la eficiencia y precisión en la observación meteorológica. La implementación de este modelo representa un paso adelante hacia la modernización y adaptación a las necesidades futuras en el campo de la meteorología en el Perú.