2026-04-14T19:47:49Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/387922021-06-30T01:56:35Zcom_10324_38col_10324_852

Evaluación del uso de redes neuronales convolucionales para clasificación de cultivos mediante imagen multiespectral González Diez, Sergio Martínez Zarzuela, Mario Díaz Pernas, Francisco Javier Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación 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. 2019-10-28T16:21:40Z 2019-10-28T16:21:40Z 2019 info:eu-repo/semantics/bachelorThesis http://uvadoc.uva.es/handle/10324/38792 spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 Internacional