Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro

It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was gene...

Full description

Saved in:

Bibliographic Details
Main Authors:	Vecino Salcedo, Cristian Fernando, Ramos Patiño, Juan Pablo
Other Authors:	Carvajal Vanegas, Andrés Felipe
Format:	Trabajo de grado (Pregrado y/o Especialización)
Language:	spa
Published:	Universidad Antonio Nariño 2022
Subjects:	Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing
Online Access:	http://repositorio.uan.edu.co/handle/123456789/7129
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1813940241609785344
author	Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo
author2	Carvajal Vanegas, Andrés Felipe
author_facet	Carvajal Vanegas, Andrés Felipe Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo
author_sort	Vecino Salcedo, Cristian Fernando
collection	DSpace
description	It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was generated from a first training phase with sampling accomplished on a sector of isolated palms and visually identified palm groves in the zone of the Cocora valley in Salento, department of Quindío; subsequently, and then carry out the model validation in the entire zone and optimizing the training and detection parameters, automatic identification of wax palms was performed in the implementation zone, corresponding to Alto de Toche and La Ceja jurisdiction, municipalities of Ibagué and Cajamarca, department of Tolima; obtaining an average modelling precision score of 0.74, and a percentage of less than 2% of omitted individuals and false detections in pasture areas, and greater than 30% in areas of forest cover.
format	Trabajo de grado (Pregrado y/o Especialización)
id	repositorio.uan.edu.co-123456789-7129
institution	Repositorio Digital UAN
language	spa
publishDate	2022
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-71292024-10-21T12:44:23Z Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo Carvajal Vanegas, Andrés Felipe Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing It was carried out the training of a model based on Deep Learning and RetinaNettype convolutional neural networks, for detection of individuals and groups of wax palms (Ceroxylon sp) in high-resolution satellite images, using the tools available for object detection in ArcGIS Pro. The model was generated from a first training phase with sampling accomplished on a sector of isolated palms and visually identified palm groves in the zone of the Cocora valley in Salento, department of Quindío; subsequently, and then carry out the model validation in the entire zone and optimizing the training and detection parameters, automatic identification of wax palms was performed in the implementation zone, corresponding to Alto de Toche and La Ceja jurisdiction, municipalities of Ibagué and Cajamarca, department of Tolima; obtaining an average modelling precision score of 0.74, and a percentage of less than 2% of omitted individuals and false detections in pasture areas, and greater than 30% in areas of forest cover. Se llevó a cabo el entrenamiento de un modelo basado en Aprendizaje Profundo (o Deep Learning) y redes neuronales convolucionales de tipo RetinaNet, para la detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, utilizando las herramientas disponibles para detección de objetos en ArcGIS Pro. El modelo se generó a partir de una primera fase de entrenamiento con toma de muestras realizada sobre un sector de palmas aisladas y palmares identificados visualmente en la zona del valle de Cocora en Salento, departamento del Quindío; luego de realizar la validación del modelo en la totalidad de esta zona y optimizar los parámetros de entrenamiento y detección, se realizó la identificación automática de palmas de cera en la zona de implementación, correspondiente a la zona de las veredas de Alto de Toche y La Ceja, en los municipios de Ibagué y Cajamarca, departamento de Tolima; obteniendo una puntuación de precisión media de modelamiento de 0,74, y un porcentaje menor al 2% de individuos omitidos y falsas detecciones en áreas de pastos, y mayores a 30% en áreas de cobertura boscosa. Especialista en Sistemas de Información Geográfica Especialización Presencial Monografía 2022-10-13T19:47:11Z 2022-10-13T19:47:11Z 2022-07-29 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/7129 Bernal, R., Galeano, G. & Sanín M. (2015). Plan de conservación, manejo y uso sostenible de la palma de cera del Quindío (Ceroxylon quindiuense), Árbol Nacional de Colombia. Ministerio de Ambiente y Desarrollo Sostenible - Universidad Nacional de Colombia. 70 p. https://doi.org/10.13140/RG.2.1.3674.4409 Bernal, R. & Sanín. M. (2013). Los palmares de Ceroxylon quindiuense (Arecaceae) en el valle de Cocora, Quindío: perspectivas de un ícono escénico de Colombia. Colombia Forestal Vol 16 (1): 67-79. https://doi.org/10.14483/udistrital.jour.colomb.for.2013.1.a05 Bagnato (2020). Aprende Machine Learning en español: teoría + práctica Python. 350 p. https://www.coursehero.com/file/73480574/aprende-machine-learningpdf/ Bobadilla. J. (2021). Machine Learning y Deep Learning usando Python, Scikit y Keras. Ediciones de la U. 293 p. https://es.scribd.com/book/510866088/Machine-Learning-y-Deep-LearningUsando-Python-Scikit-y-Keras Boldrini, N. (2021). Deep Learning, qué es el aprendizaje profundo, cómo funciona y cuáles son los casos de aplicación. https://www.innovaciondigital360.com/i-a/deep-learning-que-es-el-aprendizajeprofundo-como-funciona-y-cuales-son-los-casos-de-aplicacion/ Boruah, P. (2021). RetinaNet: The beauty of Focal Loss. Towards Data Science. https://towardsdatascience.com/retinanet-the-beauty-of-focal-loss-e9ab132f2981 Castillo, L., Bernal, R., Matallana, C. Waldrón, T., Martínez, B., Garcia, H., Parra, J., Sanin, M., Carvajal, C., Poveda, F. & Zuluaga A. (2020). Tochecito: una oportunidad de conservación de nuestro árbol nacional, en IAvH. Biodiversidad, Reporte de estado y tendencias de la biodiversidad continental de Colombia. Capitulo 4, Oportunidades de gestión de la biodiversidad territorial. Instituto Alexander von Humboldt. http://reporte.humboldt.org.co/biodiversidad/2020/cap4/406/ Contreras, S. (2016). Aplicación de Deep Learning en robótica móvil para exploración y reconocimiento de objetos basados en imágenes. Ingeniería de Sistemas y Computación. Universidad de los Andes. 44 p. https://repositorio.uniandes.edu.co/handle/1992/18454 Diaz, D. & Barragan, A. (2020). Interpretación de imágenes de satélite con técnicas de Machine Learning para el monitoreo de cultivos: Universidad de Los Andes. Facultad de Ingenieria. 22 p. https://repositorio.uniandes.edu.co/handle/1992/51505 instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution 4.0 International (CC BY 4.0) https://creativecommons.org/licenses/by/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf Colombia(Bogotá D.C) Universidad Antonio Nariño Especialización en Sistemas de Información Geográfica Facultad de Ingeniería Ambiental Bogotá - Federmán
spellingShingle	Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing Vecino Salcedo, Cristian Fernando Ramos Patiño, Juan Pablo Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title	Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title_full	Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title_fullStr	Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title_full_unstemmed	Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title_short	Detección de individuos y grupos de palmas de cera (Ceroxylon sp) en imágenes satelitales de alta resolución, mediante herramientas de Aprendizaje Profundo en ArcGIS Pro
title_sort	deteccion de individuos y grupos de palmas de cera ceroxylon sp en imagenes satelitales de alta resolucion mediante herramientas de aprendizaje profundo en arcgis pro
topic	Palma de cera Aprendizaje profundo Redes neuronales convolucionales Detección de objetos Sensores remotos. Wax palm Deep learning Convolutional neural networks Object detection Remote sensing
url	http://repositorio.uan.edu.co/handle/123456789/7129
work_keys_str_mv	AT vecinosalcedocristianfernando detecciondeindividuosygruposdepalmasdeceraceroxylonspenimagenessatelitalesdealtaresolucionmedianteherramientasdeaprendizajeprofundoenarcgispro AT ramospatinojuanpablo detecciondeindividuosygruposdepalmasdeceraceroxylonspenimagenessatelitalesdealtaresolucionmedianteherramientasdeaprendizajeprofundoenarcgispro