Detección de FOD por medio de inteligencia artificial con inspecciones por UAV

Vista sencilla de ítem
dc.contributor.advisorLozano Tafur, Cristian
dc.contributor.authorForero Aranzalez, Duvan Nicolas
dc.contributor.authorAlbarracin Carranza, Andres Sebastian
dc.creator.emailasalbarracinc@libertadores.edu.cospa
dc.date.accessioned2023-01-23T20:14:26Z
dc.date.available2023-01-23T20:14:26Z
dc.date.created2022
dc.descriptionLos FOD son un problema que se da en la aviación general tanto en la aviación comercial como militar, se tiene estimado que los objetos extraños que pueden afectar a las aeronaves le cuestan al sector aeronáutico anualmente más de 4.000 millones de dólares tanto en incidentes como en incidentes, teniendo en cuenta principalmente los gastos en mantenimiento. Viendo esta gran problemática que se genera mundialmente en el sector aeronáutico se han implementado distintas alternativas de prevención, unas poco eficientes, y otras económicamente poco viables para ciertos aeropuertos, por esto se busca implementar las tecnologías más modernas que hay actualmente, con la inteligencia artificial se puede generar detección de estos FOD entrenando una red neuronal convolucional de aprendizaje profundo para que por medio de un dron automatizado con su plan de vuelo establecido pueda realizar las inspecciones mucho más eficientes y rápidas a las inspecciones actuales que se enfocan en el uso de personal humano para detectar estos objetos. Teniendo este proyecto un resultado de detección de objetos con una CNN del 83% con un entrenamiento de 2236 imágenes con 7.838 etiquetas. Validándose en pruebas de campo, recomendando que tipo de drones que ofrece el mercado podría ser utilizado para este análisis y de igual modo indicando la altitud de 2 a 5 metros necesaria para tener una precisión adecuade de por lo menos 58%, siendo privado con su plan de vuelo en base al aeropuerto internacional El Dorado de Bogotá.spa
dc.description.abstractThe FOD are a problem that occurs in general aviation, both in commercial and military aviation. It is estimated that foreign objects that can affect aircraft cost the aviation sector more than 4 billion dollars annually in both incidents and incidents, mainly taking into account maintenance costs. Seeing this great problem that is generated worldwide in the aviation sector have been implemented various alternatives for prevention, some inefficient, and other economically unviable for certain airports, so it seeks to implement the most modern technologies that are currently available, with artificial intelligence can generate detection of these FOD training a deep learning convolutional neural network for through an automated drone with its established flight plan can perform inspections much more efficient and faster than the current inspections that focus on the use of human personnel to detect these objects. Having this project a result of detection of objects with a CNN of 83% with a training of 2236 images with 7,838 labels. Validating in field tests, recommending what type of drones offered by the market could be used for this analysis and likewise indicating the altitude of 2 to 5 meters needed to have an adequate accuracy of at least 58%, being private with its flight plan based on the international airport El Dorado in Bogota.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/5470
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembBioingenieríaspa
dc.subject.lembMétodos de simulaciónspa
dc.subject.lembIngeniería aeronáuticaspa
dc.subject.proposalFODspa
dc.subject.proposalCNNspa
dc.subject.proposalDronspa
dc.subject.proposalSeguridad operacionalspa
dc.subject.subjectenglishFODspa
dc.subject.subjectenglishCNNspa
dc.subject.subjectenglishDronespa
dc.subject.subjectenglishOperational Safetyspa
dc.titleDetección de FOD por medio de inteligencia artificial con inspecciones por UAVspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Forero_Albarracin_2022.pdf
Tamaño:
4.03 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorizacion_Forero_Albarracin_2022.pdf
Tamaño:
191.71 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Ingeniería Aeronáutica