Identificación de cubiertas de amianto en ortofotos de alta resolución empleando clasificadores "Machine Learning"

El objetivo de este TFM es diseñar un protocolo para inventariar cubiertas de amianto de forma automática, mediante ortofotos RGB y técnicas de “Machine Learning”. Para ello, se analizan diferentes aproximaciones metodológicas, utilizando distintas estrategias de clasificación de ortofotos a nivel de píxel y nivel de objeto. Dentro de cada estrategia también se comparan distintos clasificadores: Árboles de decisión, Random Forest, XGBoost y AdaBoost, y distintas técnicas de balanceo de muestras: sin balancear, balanceo mediante “SMOTE” o balanceo mediante “Random Over Sampler”. Con estas variables, primero se comparan todos los clasificadores y estrategias entre sí en un área piloto más pequeña en base a métricas de rendimiento, para después implementar la mejor metodología en todo el municipio de Vitoria-Gasteiz. En este caso se analizará si es suficiente el muestreo de entrenamiento del área piloto o si, por el contrario, es necesario un remuestreo específico sobre todo el área de estudio. Para concluir, se determina que la mejor estrategia entre las testadas es la clasificación a nivel de objeto, junto con el clasificador XGBoost y la técnica de balanceo “Random Over Sampler”.