Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/29.500.19856/70792| Title: | Detección automática de Cuerpos de Agua en Imágenes Satelitales en Ecuador con Deep Learning |
| Authors: | Riofrío Calderón, Guido Eduardo López Castro, Brian Andrés |
| Keywords: | Ecuador. Tesis digital. |
| Issue Date: | 2025 |
| Citation: | López Castro, B. A. Riofrío Calderón, G. E. (2025) Detección automática de Cuerpos de Agua en Imágenes Satelitales en Ecuador con Deep Learning [Tesis de Posgrado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/70792 |
| Abstract: | Abstract:Currently, water resource monitoring using satellite images has increased in importance due to its multiple applications, such as natural disaster prediction and sustainable management. Ecuador is highly dependent on its water resources, but there is little research focused on this topic in the country. In this thesis, a deep learning-based model was developed using the U-Net architecture in Python for the detection of water bodies in satellite images of Ecuador. A total of 2,229 satellite images with their corresponding 2,229 masks were used to train the model. The results show an 88% efficiency in water body detection, demonstrating the robustness of the model. However, the country's geographic and environmental diversity pose additional challenges for improving its performance. |
| Description: | Resumen:En la actualidad, la monitorización de recursos hídricos mediante imágenes satelitales ha incrementado su importancia por sus múltiples aplicaciones como la predicción de desastres naturales y la gestión sostenible. El Ecuador es un país altamente dependiente de sus recursos hídricos, pero existen pocas investigaciones enfocadas en este tema en el país. En el presente trabajo de titulación se desarrolló un modelo basado en aprendizaje profundo utilizando la arquitectura de U-Net en Python para la detección de cuerpos de agua en imágenes satelitales del territorio ecuatoriano. Se utilizó un total de 2229 imágenes satelitales con sus correspondientes 2229 máscaras para entrenar el modelo. Resultados presentan un rendimiento de 88% en la detección de cuerpos de agua, demostrando la robustez del modelo, sin embargo, la diversidad geográfica y ambiental del país plantean desafíos adicionales para mejorar su desempeño. |
| URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=145913.TITN. |
| Appears in Collections: | Maestría en Inteligencia Artificial Aplicada |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.