Identificación de incendios forestales en imágenes satelitales usando Machine Learning/Deep Learning apoyado en sistemas computacionales integrados

dc.contributor.advisorRodríguez Ferreira, Julián Gustavo
dc.contributor.advisorBarrios Hernández, Carlos Jaime
dc.contributor.authorPérez Argüello, Jhon Deivy
dc.contributor.evaluatorPertuz Arroyo, Said David
dc.contributor.evaluatorMejía, John
dc.date.accessioned2023-07-17T12:48:05Z
dc.date.available2023-07-17T12:48:05Z
dc.date.created2023-07-14
dc.date.embargoEnd2025-07-14
dc.date.issued2023-07-14
dc.description.abstractLa detección temprana de incendios forestales es un aspecto crítico en la lucha contra los desastres naturales que involucra a empresas, instituciones académicas y gobiernos. La inteligencia artificial puede ser una herramienta valiosa en la tarea de identificación de incendios forestales y en la promoción del uso de tecnologías avanzadas en los procedimientos actuales, pero su aplicación requiere una gran capacidad computacional y energética. Con este objetivo, se presenta un modelo de identificación de incendios forestales en imágenes satelitales de alta resolución que es altamente confiable y eficiente, y puede ser ejecutado en un sistema embebido. Se creó un Dataset de imágenes satelitales con bandas espectrales "M3I3M11", se entrenaron dos redes neuronales con este Dataset y se desarrolló un sistema de visión artificial llamado IGNIS, que funciona sin necesidad de entrenamiento previo y utiliza la biblioteca OpenCV. Para elegir el mejor de los tres algoritmos, se ejecutaron en el hardware embebido Jetson Nano de Nvidia, evaluando factores como la temperatura del dispositivo, el consumo energético, la memoria RAM, la GPU y la confiabilidad de las inferencias. La evaluación demuestra que el algoritmo IGNIS obtuvo el mejor puntaje en términos de confiabilidad con un 98% y en términos de consumo de recursos con un 29%.
dc.description.abstractenglishThe early detection of forest fires is a critical aspect in the fight against natural disasters that involves companies, academic institutions and governments. Artificial intelligence can be a valuable tool in the task of identifying forest fires and in promoting the use of advanced technologies in current procedures, but its application requires great computational capacity and energy. With this objective, a model for the identification of forest fires in high-resolution satellite images is presented, which is highly reliable and efficient, and can be executed in an embedded system. A dataset of satellite images with spectral bands "M3I3M11" was created, two neural networks were trained with this dataset and an artificial vision system called IGNIS was developed, which works without prior training and uses the OpenCV library. To choose the best of the three algorithms, they ran on Nvidia's Jetson Nano embedded hardware, evaluating factors such as device temperature, power consumption, RAM, GPU, and reliability of inferences. The evaluation shows that the IGNIS algorithm obtained the best score in terms of reliability with 98% and in terms of resource consumption with 29%.
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ingeniería de Sistemas e Informática
dc.description.orcidhttps://orcid.org/0000-0001-9354-7360
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/14602
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programMaestría en Ingeniería de Sistemas e Informática
dc.publisher.schoolEscuela de Ingeniería de Sistemas e Informática
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectAprendizaje automático
dc.subjectRedes Neuronales Convolucionales
dc.subjectSistemas Embebidos
dc.subjectVisión por computador
dc.subject.keywordMachine Learning
dc.subject.keywordConvolutional Neural Networks
dc.subject.keywordEmbedded Systems
dc.subject.keywordComputer Vision
dc.titleIdentificación de incendios forestales en imágenes satelitales usando Machine Learning/Deep Learning apoyado en sistemas computacionales integrados
dc.title.englishIdentification of Forest Fires in Satellite Images Using Machine Learning / Deep Learning Supported in Integrated Computer Systems
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
Files
Original bundle
Now showing 1 - 4 of 4
No Thumbnail Available
Name:
Carta de confidencialidad.pdf
Size:
257.28 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
63.23 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Nota de proyecto.pdf
Size:
292.38 KB
Format:
Adobe Portable Document Format
No Thumbnail Available
Name:
Documento.pdf
Size:
1.42 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.18 KB
Format:
Item-specific license agreed to upon submission
Description: