Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/38792
Título
Evaluación del uso de redes neuronales convolucionales para clasificación de cultivos mediante imagen multiespectral
Autor
Director o Tutor
Año del Documento
2019
Titulación
Grado en Ingeniería de Tecnologías de Telecomunicación
Resumen
El objetivo de este Trabajo Fin de Grado es la implementación de una red neuronal artificial capaz de realizar la segmentación semántica de distintos cultivos a partir de imágenes satelitales. La red tiene que extraer características y patrones para segmentar imágenes satelitales en cualquier época del año y de cualquier tipo de cultivo o vegetación.
Primero, se proporcionará una base teórica del aprendizaje automático, centrándose en aprendizaje profundo, en particular, profundizando en redes convolucionales, especialmente útiles en la clasificación de imágenes. A continuación, se explicarán los métodos tradicionales en la clasificación de cultivos, enfatizando en la técnica de aprendizaje automático actualmente utilizada por el Instituto Tecnológico de Castilla y León. Después de este análisis, se describirán las decisiones tomadas en el pre procesamiento de los datos, justificando cada una de ellas. Finalmente, se presentarán los resultados, terminando exponiendo las conclusiones y líneas futuras de trabajo, a partir de este Trabajo de Fin de Grado. The main objective of this Master Thesis is the implementation of an artificial neural
network, which is able to perform the semantic segmentation of different crops from
satellite images. The network has to extract characteristics and patterns to segment
satellite images in any type of crop or vegetation at any stage of the year.
First of all, a theoretical basis of machine learning is provided. It is focused on deep
learning, specifically in deepening in convolutional networks, which are useful in
classifying images. Next, the traditional methods in crop classification will be
explained, emphasizing in the technique of machine learning currently used by the
Technological Institute of Castilla y León. After this analysis, the decisions made in the
preprocessing of the data will be described and each of them will be justified. Finally,
the results will be presented, the conclusions will be exposed upon completion and
ending with a proposal of future research lines.
Palabras Clave
Cultivos
Imágenes Satelitales
Aprendizaje Profundo
Redes neuronales
Idioma
spa
Derechos
openAccess
Aparece en las colecciones
- Trabajos Fin de Grado UVa [28700]
Ficheros en el ítem
![Attribution-NonCommercial-NoDerivatives 4.0 Internacional](/themes/Mirage2//images/creativecommons/cc-by-nc-nd.png)