González de Zarate Leza, Gaizka2025-02-212025-02-212024https://academica-e.unavarra.es/handle/2454/53533El 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”.application/pdfspaMachine LearningTeledetecciónSistema de Información GeográficaAmiantoRandom ForestDecision TreeXGBoostAdaBoostSMOTERandom Over samplerinfo:eu-repo/semantics/masterThesis2025-02-21info:eu-repo/semantics/openAccess