En la actualidad, el enorme volumen de datos accesibles sobre diversas áreas de conocimiento
y los modelos matemáticos, junto al poder de procesamiento de los computadores,
están dando pie a numerosas aplicaciones que aprovechan la información que se puede obtener
a partir del estudio de estos datos, para crear e incluso mejorar procesos realizados
por seres humanos. En este sentido, el dominio de aplicación de la agricultura no es una
excepción, sino que está emergiendo como línea de desarrollo de software centrado en el
tratamiento y el análisis de datos. De manera particular, el análisis de datos provenientes
de imágenes de dispositivos de Observación de la Tierra y la tele-detección por sensores
remotos está proporcionando un marco de trabajo idóneo donde el uso de las técnicas
automáticas de aprendizaje máquina están tomando un papel central. Un ejemplo de este
tipo de aplicaciones es el proyecto Green-Senti del I Plan Propio Smart Campus de la
Universidad de Málaga, mediante el que se analizan las zonas verdes del campus universitario
mediante imágenes multi-espectrales para estudiar su evolución, aprovechando los
datos abiertos de los satélites Sentinel 2.
Este trabajo de Fin de Grado (TFG) viene motivado por la línea abierta en el proyecto
Green-Senti, aunque explorando un enfoque complementario. En concreto, se realiza un
servicio de clasi ficación mediante imágenes aéreas de cultivos, gracias a la generación de un
repositorio de imágenes etiquetadas y el entrenamiento de un modelo de Redes Neuronales
Convolucionales. El análisis llevado a cabo se ha centrado en los cultivos tropicales del
Mango y del Aguacate, de gran importancia en la comarca malagueña de la Axarquía. El
objetivo es proporcionar a la industria agroalimentaria de aplicaciones novedosas para la
traza de la evolución de estos cultivos, de cara al soporte estratégico...
Buscar en Dimension