Informations et ressources scientifiques
sur le développement des zones arides et semi-arides

Titre : Deep Learning aplicado a imágenes satelitales como herramienta de detección de viviendas sin servicio de energía en el caserı́o Media Luna-Uribia-Guajira

Auteur : Valdés Ávila, Lalita Sakhi — Baquero Vanegas, Joher Mauricio

Université de soutenance : Universidad Distrital Francisco José de Caldas

Grade : Ingeniería de Sistemas 2019

Résumé
En el presente trabajo de tesis, se realiza una aplicación de Deep Learning, específicamente detección de Viviendas Sin Servicio de energía (VSS) en el mapa satelital del caserío de Media Luna, ubicado en el municipio de Uribia al norte de La Guajira. A partir de un conjunto de datos que conforman imágenes satelitales de viviendas de diferentes zonas rurales de Colombia, obtenidas a través de Google Earth, se realizan dos modelos de predicción diferentes, se hace una comparación de estos modelos, con el objetivo de obtener una minimización del error de predicción. Para resolver el Problema se utilizaron diversas tecnologías, entre ellas se encuentra TensorFlow y Keras para la creación de las redes neuronales, con sus respectivas configuraciones. Se propone trabajar con Redes Neuronales Convolucionales y un modelo pre-entrenado de Keras llamado VGG16, con una función de activación ReLu. Los experimentos realizados muestran que el uso de Redes Convolucionales y los algoritmos presentados tienen un desempeño aceptable y más eficiente que los métodos tradicionales aplicados para el conteo de VSS en zonas rurales, con tiempos de procesamiento razonables y rapidez en la entrega de la información requerida.

In this thesis project, a Deep Learning application is developed, specifically a tool for detection of homes without utility services on the satellite map of the village of Media Luna, located in the municipality of Uribia, north of La Guajira. Using a dataset composed of satellite images of homes in different rural areas of Colombia, obtained through Google Earth, two different prediction models are developed, a comparison of these models is made with the aim of minimizing the prediction error. Different technologies were used to solve the problem, including TensorFlow and Keras for the creation of neural networks, with their respective configurations. Convolutionary Neural Networks are proposed and a pre-trained Keras model called VGG16 with a ReLu activation function. The experiments carried out show that the use of Convolutional Networks and the algorithms presented have an acceptable and more efficient performance than the traditional methods applied for the VSS counting in rural areas, with reasonable processing times and speed in the delivery of the required information.

Présentation

Version intégrale (10,2 Mb)