Clasificación de imágenes de calles: distinguiendo entre limpias y sucias utilizando redes neuronales convolucionales mediante UAS

Vista sencilla de ítem
dc.contributor.advisorMelo Daza, Pedro Fernando
dc.contributor.authorMancera Gómez, Cristian Camilo
dc.contributor.authorGutiérrez Ramírez, Sebastián Alejandro
dc.coverage.spatialSopó - Cundinamarca - Colombiaspa
dc.creator.emailccmancerag@libertadores.edu.co, sagutierrezr@libertadores.edu.cospa
dc.date.accessioned2023-10-26T02:20:54Z
dc.date.available2023-10-26T02:20:54Z
dc.date.created2023-09-15
dc.descriptionEl proyecto se centra en la clasificación de imágenes mediante el uso de una inteligencia artificial desarrollada en Python. Esta herramienta tiene como objetivo distinguir entre dos categorías a partir de un conjunto de más de 500 imágenes. Estas imágenes son capturadas desde el aire con la ayuda de un UAS (Vehículo Aéreo No Tripulado). El proyecto implica el desarrollo de un código elaborado en Python que emplea inteligencia artificial para identificar y clasificar un gran número de imágenes en dos categorías: calles sucias y calles limpias. La obtención de estas imágenes se realiza desde el aire utilizando un UAS, el cual sigue un plan de vuelo previamente establecido, cuenta con los permisos de aeronavegabilidad necesarios, y sigue rigurosos protocolos de seguridad y mapeo de vuelo. Esta herramienta es esencial para el proyecto, ya que facilita la recopilación de datos y la identificación de información utilizando técnicas de aumento de datos integradas en el código, permitiendo la modificación de las imágenes, como se detalla en las secciones siguientes. El proceso de desarrollo del código también requiere un entrenamiento adecuado para asegurar su funcionamiento correcto y la generación de información válida, sin errores ni distorsiones. Para el entrenamiento, se utilizaron imágenes previamente recopiladas de fuentes en línea, así como fotografías tomadas durante una sesión en el área de Sopó, lo que suma un total de 237 imágenes cargadas en el código. A pesar de los desafíos que conlleva todo este proceso, se logró alcanzar un porcentaje de confiabilidad superior al 85%. Esto significa que el sistema ofrece una credibilidad considerable y experimenta una pérdida de información mínima.spa
dc.description.abstractThe project focuses on image classification using artificial intelligence developed in Python. This tool aims to distinguish between two categories from a set of over 500 images. These images are captured from the air with the help of an Unmanned Aerial Vehicle (UAS). The project involves the development of Python code that employs artificial intelligence to identify and classify a large number of images into two categories: dirty streets and clean streets. The acquisition of these images is done from the air using a UAS, which follows a predetermined flight plan, has the necessary airworthiness permits, and adheres to rigorous safety and flight mapping protocols. This tool is essential for the project as it facilitates data collection and information identification using integrated data augmentation techniques in the code, allowing for image modifications as detailed in the following sections.The process of developing the code also requires proper training to ensure its correct operation and the generation of valid information without errors or distortions. For training, previously collected images from online sources were used, as well as photographs taken during a session in the Sopó area, totaling 237 images uploaded into the code. Despite the challenges involved in this entire process, a reliability percentage of over 85% was achieved. This means that the system offers considerable credibility and experiences minimal information loss.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/6402
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembPythonspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembRed neuronalspa
dc.subject.lembClasificaciónspa
dc.subject.proposalInteligencia artificialspa
dc.subject.proposalPythonspa
dc.subject.proposalRed neuronalspa
dc.subject.proposalClasificaciónspa
dc.subject.subjectenglishArtificial intelligencespa
dc.subject.subjectenglishPythonspa
dc.subject.subjectenglishNeural networkspa
dc.subject.subjectenglishClassificationspa
dc.titleClasificación de imágenes de calles: distinguiendo entre limpias y sucias utilizando redes neuronales convolucionales mediante UASspa
dc.title.titleenglishStreet image classification: distinguishing between clean and dirty using convolutional neural networks using UASspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Gutiérrez_Mancera_2023.pdf
Tamaño:
1.41 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorización_Gutiérrez_Mancera_2023.pdf
Tamaño:
249.91 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Ingeniería Aeronáutica