Show simple item record

dc.contributor.advisorBeltrán Castañón, Cesar Armando
dc.contributor.advisorPineda Ancco, Ferdinand Edgardo
dc.contributor.authorLazo La Rosa, Leandro
dc.date.accessioned2024-06-11T14:21:00Z
dc.date.available2024-06-11T14:21:00Z
dc.date.created2024
dc.date.issued2024-06-11
dc.identifier.urihttp://hdl.handle.net/20.500.12404/28020
dc.description.abstractLa frecuencia de los incendios forestales ha ido en aumento, debido a actividades humanas y por el aumento del calentamiento global. En consecuencia, el proyecto de tesis tiene como objetivo, el desarrollo de un modelo de red neuronal que se puede integrar al análisis de la magnitud y extensión de los daños, además de apoyar en la planificación de los planes de recuperación del área afectada. Para ello, se realiza una segmentación y análisis de áreas afectadas por incendios forestales en imágenes satelitales usando redes neuronales convolucionales. En un principio, obtenemos un historial de incendios forestales en suelo peruano consultando la página de monitoreo de incendios forestales de SERFOR. Luego, las imágenes satelitales capturadas por el satélite Sentinel 2 se obtienen del repositorio de la agencia espacial europea. Finalmente, debido al gran tamaño de las imágenes obtenidas, estas se fraccionan en imágenes de 512 x 512 píxeles, donde posteriormente, se realiza un etiquetado manual del área afectada por el incendio forestal. Por otro lado, el modelo de red neuronal usa dos conjuntos de datos de imágenes 512 x 512 píxeles, capturadas por los satélites LandSat 8 y Sentinel 2. Inicialmente se trabaja con el conjunto de imágenes de LandSat 8 que ya cuentan con una etiqueta del área afectada. Una vez se obtiene el modelo inicial para la segmentación de la cicatriz del incendio. Se realiza un entrenamiento usando las imágenes de Sentinel 2. Para comprobar el correcto funcionamiento, se implementa una interfaz gráfica que ayuda a mostrar las máscaras de segmentación sobreponiéndose con la imagen original. Adicionalmente, se muestran colores calculados con el índice de calcinación normalizado para mostrar la gravedad del incendio forestal.es_ES
dc.language.isospaes_ES
dc.publisherPontificia Universidad Católica del Perúes_ES
dc.rightsinfo:eu-repo/semantics/openAccesses_ES
dc.rights.urihttp://creativecommons.org/licenses/by/2.5/pe/*
dc.subjectRedes neuronales (Computación)es_ES
dc.subjectSatélites artificiales--Imágeneses_ES
dc.subjectProcesamiento de imágenes digitaleses_ES
dc.subjectIncendios forestaleses_ES
dc.titleModelo para la segmentación y análisis de gravedad de áreas afectadas por incendios forestales usando redes neuronales convolucionales e imágenes satelitaleses_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
thesis.degree.nameIngeniero Informáticoes_ES
thesis.degree.levelTítulo Profesionales_ES
thesis.degree.grantorPontificia Universidad Católica del Perú. Facultad de Ciencias e Ingenieríaes_ES
thesis.degree.disciplineIngeniería Informáticaes_ES
renati.advisor.dni29561260
renati.advisor.dni40424080
renati.advisor.orcidhttps://orcid.org/0000-0002-0173-4140es_ES
renati.advisor.orcidhttps://orcid.org/0000-0002-5367-5904es_ES
renati.author.dni74825262
renati.discipline612286es_ES
renati.jurorMelgar Sasieta, Hector Andreses_ES
renati.jurorBeltran Castañon, Cesar Armandoes_ES
renati.jurorNatividad Gómez, Patricia Andreaes_ES
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesionales_ES
renati.typehttps://purl.org/pe-repo/renati/type#tesises_ES
dc.publisher.countryPEes_ES
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#1.02.00es_ES


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess