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

Simple item page
dc.contributor.advisorTFEGonzález de Audícana Amenábar, María
dc.contributor.advisorTFESanz Delgado, José Antonio
dc.contributor.affiliationEscuela Técnica Superior de Ingeniería Agronómica y Biocienciases_ES
dc.contributor.affiliationNekazaritzako Ingeniaritzako eta Biozientzietako Goi Mailako Eskola Teknikoaeu
dc.contributor.authorGonzález de Zarate Leza, Gaizka
dc.date.accessioned2025-02-21T16:32:50Z
dc.date.available2025-02-21T16:32:50Z
dc.date.issued2024
dc.date.updated2025-02-21T08:01:37Z
dc.description.abstractEl 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”.es_ES
dc.description.degreeMáster Universitario en Sistemas de Información Geográfica y Teledetección por la Universidad Pública de Navarraes_ES
dc.description.degreeInformazio Geografikoko Sistemetako eta Teledetekzioko Unibertsitate Masterra Nafarroako Unibertsitate Publikoaneu
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://academica-e.unavarra.es/handle/2454/53533
dc.language.isospa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess
dc.subjectMachine Learninges_ES
dc.subjectTeledetecciónes_ES
dc.subjectSistema de Información Geográficaes_ES
dc.subjectAmiantoes_ES
dc.subjectRandom Forestes_ES
dc.subjectDecision Treees_ES
dc.subjectXGBoostes_ES
dc.subjectAdaBoostes_ES
dc.subjectSMOTEes_ES
dc.subjectRandom Over sampleres_ES
dc.titleIdentificación de cubiertas de amianto en ortofotos de alta resolución empleando clasificadores "Machine Learning"es_ES
dc.typeinfo:eu-repo/semantics/masterThesis
dspace.entity.typePublication
relation.isAdvisorTFEOfPublication11f357a1-5ba6-4243-afc1-3616f2f5480d
relation.isAdvisorTFEOfPublication04db2b7d-89dc-4815-be4a-4b201cdce99b
relation.isAdvisorTFEOfPublication.latestForDiscovery11f357a1-5ba6-4243-afc1-3616f2f5480d

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TFM_GonzalezDeZarate_Leza_Gaizka_Definitivo.pdf
Size:
3.95 MB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download

Collections

Trabajos Fin de Máster ETSIA - NIGMET Master Amaierako Lanak
Trabajos Fin de Máster - Master Amaierako Lanak