Segmentación de nubes en imágenes de cielo mediante inteligencia artificial

Abstract

Este trabajo aborda la segmentación semántica de imágenes de cielo capturadas mediante cámaras de todo cielo, con el objetivo de identificar de forma precisa la ubicación de nubes. Para ello, se ha desarrollado un modelo de inteligencia artificial basado en redes neuronales convolucionales, concretamente utilizando una arquitectura U-Net, ampliamente reconocida por su eficacia en tareas de segmentación a nivel de píxel. Las máscaras de segmentación han sido generadas manualmente a partir de datos obtenidos por equipos especializados en la medición de la cubierta nubosa. El modelo ha sido entrenado y validado sobre un conjunto de datos anotado específicamente para esta tarea, alcanzando una precisión en la detección de nubes del 95 %. Estos resultados demuestran la viabilidad del enfoque propuesto para mejorar el análisis atmosférico automatizado, permitiendo una clasificación más eficiente y detallada de las condiciones del cielo.

This work focuses on the semantic segmentation of sky images captured using all-sky cameras, with the objective of accurately identifying cloud locations. To achieve this, an artificial intelligence model based on convolutional neural networks has been developed, specifically employing the U-Net architecture, which is widely recognized for its effectiveness in pixel-wise segmentation tasks. Segmentation masks were generated from data collected by specialized instruments designed to measure cloud cover. The model was trained and validated on a dataset specifically annotated for this purpose, achieving an accuracy in cloud detection of 95 %. These results demonstrate the feasibility of the proposed approach for enhancing automated atmospheric analysis, enabling a more efficient and detailed classification of sky conditions.