Prevención de incendios mediante el uso de visión artificial embarcada en plataformas aéreas

dc.contributorSolaque, Leonardo
dc.creatorDíaz Rincón, Daniel Esteban
dc.creatorAguirre Jiménez, María Alejandra
dc.date.accessioned2018-05-16T17:07:33Z
dc.date.accessioned2019-12-26T22:08:14Z
dc.date.accessioned2022-09-28T20:52:31Z
dc.date.available2018-05-16T17:07:33Z
dc.date.available2019-12-26T22:08:14Z
dc.date.available2022-09-28T20:52:31Z
dc.date.created2018-05-16T17:07:33Z
dc.date.created2019-12-26T22:08:14Z
dc.date.issued2018-04-19
dc.identifierhttp://hdl.handle.net/10654/17523
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3736391
dc.description.abstractLos incendios se están convirtiendo en una verdadera problemática en Bogotá, Colombia debido a la advertencia global. Por lo tanto, se realizará un análisis en la Universidad Militar Nueva Granada. La detección remota hiperespectral desde plataformas satelitales, ha sido una herramienta útil para analizar y monitorear el comportamiento de los entornos naturales. Sin embargo, los períodos de muestreo son largos, y las condiciones climáticas podrían afectar la leyenda de la imagen debido a las nubes. Además, las bases de datos en bruto son enormes, y su estudio es consume mucho tiempo humano-maquina. Por tales razones, los vehículos aéreos no tripulados brindan una alternativa adecuada ya que la altura operativa de vuelo puede generar imágenes de calidad mayor resolución espacial en áreas específicas, y herramientas como una cámara multiespectral se pueden unir para contribuir con los objetivos. La calibración es un requisito ya que los parámetros de radiancia, reflectancia y captura de cámara se comportan en respuesta a la luz circundante, estos elementos afectan cualquier adquisición multiespectral y el cálculo de cualquier índice de vegetación. Uno de los índices más utilizados, el NDVI (índice de vegetación de diferencia normalizada) mide la clorofila y la biomasa verde en una parcela de terreno, utilizando el reflejo de la luz solar en longitudes de onda definidas del espectro visible e infrarrojo cercano. La biomasa muerta o en descomposición (combustible para fuego), podría detectarse mediante un índice de vegetación, ya que su respuesta a la clorofila sigue activa a pesar de su condición, sin embargo, la cercanía espectral con la tierra y los edificios, hace que el umbralizar sea un trabajo difícil . Por lo tanto, este estudio analiza el uso de diferentes indices que involucren las cinco bandas predeterminadas (azul, verde, rojo, infrarrojo cercano y borde rojo) de la cámara RedEdge (fabricada por MicaSense), en conjunto de un algoritmo de programación genética que explora una cantidad desconocida de programas en busca de una solución adecuada dentro de la aleatoriedad. Además, la detección de peatones que se encuentran en el área de trabajo (considerada como una amenaza de incendio) y una visualización en tiempo real de la escena serán abarcados en el texto.
dc.languagespa
dc.publisherFacultad de Ingenieríad
dc.publisherIngeniería en Mecatrónica
dc.publisherIngenieria - Ingenieria en Mecatrónica
dc.publisherUniversidad Militar Nueva Granada
dc.relationJ. K. Erazo P., C. A. Hervas P., U. de Cuenca, D. de I. de la U. de Cuenca, and DIUC, “Sistema de detección de incendios forestales mediante redes sensoriales inalámbricas (Zigbee),” MASKANA, I+D+ingeniería, pp. 1–11, 2014.
dc.relationP. Schneider, D. A. Roberts, and P. C. Kyriakidis, “A VARI-based relative greenness from MODIS data for computing the Fire Potential Index,” Remote Sens. Environ., vol. 112, no. 3, pp. 1151–1167, 2008.
dc.relationD. Amaya and D. Armenteras, “Incidencia De Incendios Sobre La Vegetación De Cundinamarca Y Bogotá Dc (Colombia), Entre 2001 Y 2010,” 2012.
dc.relationD. Haboudane, J. R. Miller, E. Pattey, P. J. Zarco-Tejada, and I. B. Strachan, “Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture,” Remote Sens. Environ., vol. 90, no. 3, pp. 337–352, 2004.
dc.relationE. Chuvieco, “Remote Sensing of Large Wildfires,” no. April 2016, pp. 1–221, 1991.
dc.relationS. S. Panda, D. P. Ames, and S. Panigrahi, “Application of vegetation indices for agricultural crop yield prediction using neural network techniques,” Remote Sens., vol. 2, no. 3, pp. 673–696, 2010.
dc.relationJ. Verbesselt, P. Joensson, S. Lhermitte, J. Van Aardt, and P. Coppin, “Evaluating satellite and climate data derived indices as fire risk indictros in savanna ecosystems,” IEEE, Trans. Geosci. Remote Sens., vol. 44, no. 44, pp. 1622–1632, 2006.
dc.relationD. W. Casbeer, D. B. Kingston, R. W. Beard, and T. W. Mc lain, “Cooperative forest fire surveillance using a team of small unmanned air vehicles,” Int. J. Syst. Sci., vol. 37, no. 6, pp. 351–360, 2006.
dc.relationJ. M. Aranda, A. J. De Castro, S. B. J. Meléndez, and F. López, “Teledetección Precoz De Incendios Forestales Mediante Sensores Ir : Discriminación Espectral De Falsas Alarmas Mfi =,” pp. 271–274, 1999.
dc.relationM. Huesca, F. González-Alonso, J. M. Cuevas, S. Merino-De-Miguel, and M. Es, “Comparación de dos algoritmos para la estima- ción de áreas quemadas a partir de imágenes MODIS. Aplicación a los incendios de Canarias de Julio 2007.”
dc.relationJ. A. Jiménez, “Determinación del estado hídrico de la vegetación mediante teledetección basada en vehículos aéreos no tripulados,” p. 135, 2009.
dc.relationL. Merino, F. Caballero, J. R. Martinez-de Dios, J. Ferruz, and A. Ollero, “A cooperative perception system for multiple UAVs: Application to automatic detection of forest fires,” J. F. Robot., vol. 23, no. 3–4, pp. 165–184, 2006.
dc.relation“Tabla Micasense.” [Online]. Available: https://support.micasense.com/hc/en-us/articles/225950667-RedEdge-Manual-Specifications.
dc.relationMicasense, “Micasense RedEdge,” Camera RedEdge. [Online]. Available: https://www.micasense.com/rededge-m/. [Accessed: 25-Jan-2018].
dc.relationT. W. S. S. FLIR, “FLIR VUE PRO.” [Online]. Available: http://www.flir.com/suas/vuepro/. [Accessed: 25-Jan-2018].
dc.relationDJI, “Matrice 600 pro.” [Online]. Available: https://www.dji.com/matrice600-pro. [Accessed: 25-Jan-2018].
dc.relation“Matrice 600 PRO.” [Online]. Available: http://www.aerialmediapros.com/store/images/product/d/dji-matrice-600-build-your-own-custom-package-512px-512px.jpg.
dc.relationDELL, “ALIENWARE ALPHA.” [Online]. Available: http://www.dell.com/en-us/shop/cty/pdp/spd/alienware-alpha-r2-desktop?~ck=mn. [Accessed: 25-Jan-2018].
dc.relation“ALIENWARE ALPHA.” [Online]. Available: http://www.dell.com/en-us/shop/dell-desktop-computers/alienware-alpha/spd/alienware-alpha-r2-desktop/dkcwa04bcombo?bvstate=pg:2/ct:r.
dc.relationMathWorks, “Acerca de MathWorks, Products.” [Online]. Available: https://la.mathworks.com/company/aboutus/products.html. [Accessed: 26-Jan-2018].
dc.relationMathWorks, “Image Processing Toolbox.” [Online]. Available: https://la.mathworks.com/products/image.html. [Accessed: 26-Jan-2018].
dc.relationOpenCV, “OpenCV.” [Online]. Available: https://opencv.org/. [Accessed: 26-Jan-2018].
dc.relationOpenCV, “OpenCV Change Logs.” [Online]. Available: https://github.com/opencv/opencv/wiki/ChangeLog. [Accessed: 26-Jan-2018].
dc.relationROS, “About ROS.” [Online]. Available: http://www.ros.org/about-ros/. [Accessed: 28-Jan-2018].
dc.relationROS, “Integration with Other Libraries.” [Online]. Available: http://www.ros.org/integration/. [Accessed: 28-Jan-2018].
dc.relation© 2014 IDEAM. Adscrito al Ministerio de Ambiente y Desarrollo Sostenible de Colombia, “RADIACIÓN SOLAR - IDEAM,” Radiación solar . [Online]. Available: http://www.ideam.gov.co/web/tiempo-y-clima/radiacion-solar. [Accessed: 17-Apr-2018].
dc.relationB. Fontal, “El Espectro Electromagnético y sus Aplicaciones,” Esc. la Ing., vol. 1, p. 24, 2005.
dc.relationL. Carrasco-Ríos, “Efecto de la radiación ultravioleta-B en plantas,” Idesia (Arica), vol. 27, no. 3, pp. 59–76, 2009.
dc.relationG. D. Chistian, Quimica Analitica. 1985.
dc.relation“Espectro electromagnetico.” [Online]. Available: http://partner.cab.inta-csic.es/imagenes/campos.gif.
dc.relationM. Aguilar Gutiérrez and J. J. de Damborenea, Bioelectromagnetismo : campos eléctricos y magnéticos y seres vivos. Consejo Superior de Investigaciones Científicas, 2001.
dc.relationD. A. Skoog, D. M. West, F. J. Holler, and V. Berenguer Navarro, Fundamentos de química analítica. Reverté, 1997.
dc.relation“Espectro Electromagentico, Bandas.” [Online]. Available: https://k38.kn3.net/taringa/1/6/4/0/9/6/99/jeancarlodaboin/CB9.jpg?724.
dc.relationS. Gandía Franco and J. Meliá Miralles, La teledetección en el seguimiento de los fenómenos naturales : recursos renovables, agricultura. Universidad de Valencia, 1991.
dc.relation“Technology Fundamentals: The Sun as an Energy Resouce.” [Online]. Available: http://www.volker-quaschning.de/articles/fundamentals1/index.php. [Accessed: 27-Feb-2018].
dc.relationC. Di Bella and G. Posse, “La teledetección como herramienta para la prevención, seguimiento y evaluación de incendios e inundaciones,” Rev. cinetifica y Tec. Ecol. y medio Ambient., vol. 17, no. 3, pp. 39–52, 2008.
dc.relationC. Pérez Gutiérrez and A. L. Muñoz Nieto, Teledetección : nociones y aplicaciones. Carlos Pérez Gutiérrez, Ángel Luis Muñoz Nieto, 2006.
dc.relationN. Jimenez, “Evaluación del impacto de la sequía sobre la vegetación natural mediante teledetección en el SE español,” 2010.
dc.relationFires foundation, “Cámaras de Imagenes Térmicas TIC (Thermal Imaging Cámaras) | FIRES Foundation.” [Online]. Available: http://fundacionfires.org/camaras-de-imagenes-termicas-tic-thermal-imaging-camaras/. [Accessed: 21-Feb-2018].
dc.relationA. Arozarena Villar, “TELEDETECCIÓN Y SISTEMAS DE TRATAMIENTO DIGITAL DE IMAGENES.”
dc.relationInstituto de Nuevas Tecnologías de la Imagen, “Aplicaciones de imágenes multiespectrales,” 2009. [Online]. Available: http://www.init.uji.es/index.php?option=com_content&view=article&id=94:aplicacionesdeimagenesmultiespectrales&catid=57:servicios-vision-por-ordenador&Itemid=47&lang=es. [Accessed: 04-Feb-2018].
dc.relationgrupo Á. Álava ingenieros, “¿Qué diferencia una imagen multiespectral de una hiperespectral?,” ÁLAVA INGENIEROS, 2018. [Online]. Available: http://www.grupoalava.com/ingenieros/actualidad/que-diferencia-una-imagen-multiespectral-de-una-hiperespectral/.
dc.relationJ. L. Chavez, Tratamiento digital de imagenes multiespectrales. Lulu Com, 2012.
dc.relation“Exposure - Glossary - Federal Agencies Digitization Guidelines Initiative.” [Online]. Available: http://www.digitizationguidelines.gov/term.php?term=exposure. [Accessed: 26-Feb-2018].
dc.relation“Gain (image) - Glossary - Federal Agencies Digitization Guidelines Initiative.” [Online]. Available: http://www.digitizationguidelines.gov/term.php?term=gainimage. [Accessed: 26-Feb-2018].
dc.relationS. Del Pozo, P. Rodríguez-Gonzálvez, D. Hernández-López, and B. Felipe-García, “Vicarious radiometric calibration of a multispectral camera on board an unmanned aerial system,” Remote Sens., vol. 6, no. 3, pp. 1918–1937, 2014.
dc.relationOpen Source Computer Vision, “OpenCV: Geometric Transformations of Images,” 2017. [Online]. Available: https://docs.opencv.org/3.4.0/da/d6e/tutorial_py_geometric_transformations.html. [Accessed: 26-Feb-2018].
dc.relationJ. J. B. Rojas, M. L. Guerrero, J. C. Acevedo, A. Padilla Vivanco, and G. U. Serrano, “Segmentación de imágenes de color,” vol. 50, no. 6, pp. 579–587, 2004.
dc.relationN. La Serna Palomino and U. Román Concha, “Técnicas de Segmentación en Procesamiento Digital de Imágenes,” Rev. Ing. Sist. e Informática, vol. 6, no. 2, pp. 9–16, 2009.
dc.relationD. L. Pham and J. L. Prince, “An Adaptive Fuzzy C-Means Algorithm for Image Segmentation in the Presence of Intensity Inhomogeneities,” Pattern Recognit. Lett., vol. 20, no. 1, pp. 57–68, 1999.
dc.relationG. T. Shrivakshan and C. Chandrasekar, “A Comparison of various Edge Detection Techniques used in Image Processing.”
dc.relationC. Ibarra Castanedo, S. Member, D. A. González, H. Bendada, and X. Maldague, “Análisis de imágenes en Termografía Infrarroja,” 2005.
dc.relationMatthew Walker, “Introduction to Genetic Programming,” 2001.
dc.relationF. D. Banzhaf, W., Nordin, P., Keller, R. E., & Francone, Genetic programming: an introduction, Vol.1. San Francisco, 1998.
dc.relationD. García-cervigón and J. José, “Estudio de Índices de vegetación a partir de imágenes aéreas tomadas desde UAS / RPAS y aplicaciones de estos a la agricultura de precisión .,” p. 78, 2015.
dc.relationC. Gonzaga Aguilar, “Aplicación de Índices de Vegetación Derivados de Imágenes Satelitales Landsat 7 ETM + y ASTER para la Caracterización de la Cobertura Vegetal en la Zona Centro de la Provincia De Loja, Ecuador,” p. 103, 2014.
dc.relationU. De and N. Y. De, “Trabajo Fin de Grado Análisis de imágenes multiespectrales aéreas de vegetación,” 2017.
dc.relationH. Geospatial et al., “Atmospherically Resistant Vegetation Index ( ARVI ) Difference Vegetation Index ( DVI ) Enhanced Vegetation Index ( EVI ) Global Environmental Monitoring Index ( GEMI ) Green Atmospherically Resistant Index ( GARI ) Green Difference Vegetation Index ( GDV,” pp. 1–6, 2016.
dc.relationM. F. Garbulsky, J. Peñuelas, J. Gamon, Y. Inoue, and I. Filella, “Remote Sensing of Environment,” ELSEVIER, 2011.
dc.relationJ. A. Gamon, “The Photochemical Reflectance Index (PRI) – a measure of photosynthetic light-use efficiency,” 2010.
dc.relationJ. Xue and B. Su, “Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications,” J. Sensors, vol. 2017, pp. 1–17, May 2017.
dc.relationSINERGISE, “NDWI (Normalized Difference Water Index) | Sentinel.” [Online]. Available: https://www.sentinel-hub.com/eoproducts/ndwi-normalized-difference-water-index. [Accessed: 26-Feb-2018].
dc.relationS. K. McFEETERS, “The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features,” Int. J. Remote Sens., vol. 17, no. 7, pp. 1425–1432, May 1996.
dc.relationJ. Oliver, M. Directores, A. A. Colomer, G. P. Fajarnés, and J. O. Moll, “Detección de Personas en secuencias de vídeo en tiempo real Valencia, 3 de Diciembre de 2007.”
dc.relationD. Catalán, V. Daniel, and P. Dallo, “Detección automática de personas mediante Histograma de Gradientes Orientados,” Universidad Publica de Navarra, 2017.
dc.relationPR Sys Design, “perClass: Support vector classifier,” 2017. [Online]. Available: http://perclass.com/doc/guide/classifiers/svm.html. [Accessed: 25-Feb-2018].
dc.relationAlexander Mordvintsev and Abid K, “Introduction to SURF (Speeded-Up Robust Features) — OpenCV-Python Tutorials 1 documentation,” 2013. [Online]. Available: http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_feature2d/py_surf_intro/py_surf_intro.html. [Accessed: 26-Feb-2018].
dc.relationR. Khanna, I. Sa, J. Nieto, and R. Siegwart, “On field radiometric calibration for multispectral cameras,” in 2017 IEEE International Conference on Robotics and Automation (ICRA), 2017, pp. 6503–6509.
dc.relationMicasense, “RedEdge Camera Radiometric Calibration Model – MicaSense Knowledge Base,” 2017. [Online]. Available: https://support.micasense.com/hc/en-us/articles/115000351194-RedEdge-Camera-Radiometric-Calibration-Model. [Accessed: 26-Feb-2018].
dc.relation“Use of Calibrated Reflectance Panels For RedEdge Data – MicaSense Knowledge Base,” 2017. [Online]. Available: https://support.micasense.com/hc/en-us/articles/115000765514-Use-of-Calibrated-Reflectance-Panels-For-RedEdge-Data. [Accessed: 26-Feb-2018].
dc.relationMicaSense, “MicaSense RedEdge Image Processing Tutorials,” 2017. [Online]. Available: https://github.com/micasense/imageprocessing.
dc.relationJ.-Y. Tinevez, “@tree.” [Online]. Available: https://tinevez.github.io/matlab-tree/. [Accessed: 27-Feb-2018].
dc.relationPrecisionHawk, “PrecisionMapper | Drone & UAV Mapping Analytics.” [Online]. Available: http://www.precisionhawk.com/precisionmapper. [Accessed: 28-Feb-2018].
dc.relationH. Cruz, M. Eckert, J. Meneses, and J.-F. Martínez, “Efficient Forest Fire Detection Index for Application in Unmanned Aerial Systems (UASs),” Sensors, vol. 16, no. 6, p. 893, Jun. 2016.
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas
dc.rightsDerechos Reservados - Universidad Militar Nueva Granada, 2018
dc.titlePrevención de incendios mediante el uso de visión artificial embarcada en plataformas aéreas
dc.typeinfo:eu-repo/semantics/bachelorThesis


Este ítem pertenece a la siguiente institución