Please use this identifier to cite or link to this item: http://dspace.utpl.edu.ec/handle/29.500.19856/71275
Title: Conteo automatizado de flujo vehicular en imágenes aéreas usando herramientas deep learning
Authors: Barba Guamán, Luis Rodrigo
Luna Díaz, Julio César
Keywords: Ecuador.
Tesis digital.
Issue Date: 2025
Citation: Luna Díaz, J. C. Barba Guamán, L. R. (2025) Conteo automatizado de flujo vehicular en imágenes aéreas usando herramientas deep learning [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/71275
Abstract: Abstract:In the city of Loja, traffic flow is a recurring problem, which is exacerbated during rush hour. This work addresses this issue through an automated vehicle counting system based on computer vision and deep learning. Using drones, images and videos were collected in various urban conditions, creating a customized dataset with more than 700 labeled images and processed using the Roboflow tool. The model was trained with YOLOv5 and YOLOv8 deep learning technologies, increasing the mAP (mean average precision) to over 80%, ensuring high accuracy in the detection and classification of vehicles, such as cars, motorcycles, buses, and heavy goods vehicles. This system allows visualization of vehicle flow, providing support for decision-making in traffic management. Furthermore, the main contribution is shown in the implementation of accessible and precise technologies to improve urban mobility as a projection for the development of future intelligent transportation applications.
Description: Resumen: En la ciudad de Loja el flujo vehicular representa una problemática recurrente, que en horas pico se ve agravado. Este trabajo aborda esta problemática mediante un sistema automatizado de conteo vehicular basado en visión artificial y deep learning. A través del uso de drones, se recopilaron imágenes y videos en diversas condiciones urbanas, creando un conjunto de datos personalizado con más de 700 imágenes etiquetadas y procesadas mediante la herramienta Roboflow. El modelo ha sido entrenado con tecnologías de aprendizaje profundo de YOLOv5 y YOLOv8, llevando el mAP (mean Average Precision) a más del 80% lo que garantiza una alta precisión en la detección y clasificación de vehículos, como lo son los automóviles, motocicletas, buses y vehículos pesados. Este sistema permite visualizar el flujo vehicular, brindando soporte para la toma de decisiones en la gestión del tráfico. Además, el principal aporte se muestra en la implementación de tecnologías accesibles y precisas para mejorar la movilidad urbana como proyección al desarrollo de futuras aplicaciones de transporte inteligente.
URI: https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=145401.TITN.
Appears in Collections:Titulación de Sistemas Informáticos y Computación



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.