Análisis de la influencia de las condiciones climáticas en la detección de buques en Panamá utilizando un modelo de redes neuronales convolucionales

• Autores: Carrera Alpírez, Megan Cecile
• Año de publicación: 2023
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Sánchez, Jorge Adrián; Rulloni, Valeria Soledad
• Materia: SAR; Óptico; Buques; Clima; Detección; Deep learning
• Institución: Universidad Nacional de Córdoba

Tesis (Magister en aplicaciones de información espacial)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2023.
Maestría conjunta con el Instituto de Altos Estudios Espaciales "Mario Gulich"-CONAE.
Fil: Carrera Alpírez, Megan Cecile. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Carrera Alpírez, Megan Cecile. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.
Panamá, clave en las rutas logísticas globales gracias al Canal de Panamá, requiere supervisión precisa de buques para mantener su conectividad. Este estudio usa modelos de aprendizaje profundo con datos de imágenes ópticas y SAR para detectar buques en la zona de Panamá, considerando el impacto de las condiciones climáticas en esta región. Se creó un conjunto de datos y se evaluó el modelo YOLOv4 durante un año, logrando un 92% de precisión promedio en la detección de buques con imágenes ópticas y SAR. Se encontró una correlación entre condiciones climáticas como nubosidad y precipitación y el rendimiento del modelo en imágenes ópticas, con menos impacto en imágenes SAR.
Panama, a key player in global logistics routes thanks to the Panama Canal, requires precise ship monitoring to maintain its connectivity. This study utilizes deep learning models with optical image and SAR data to detect ships in the Panama area, considering the impact of weather conditions in this region. A dataset was created, and the YOLOv4 model was evaluated for a year, achieving an average detection accuracy of 92% with optical and SAR images. A correlation was found between weather conditions such as cloudiness and precipitation and the model's performance in optical images, with less impact on SAR images.
Fil: Carrera Alpírez, Megan Cecile. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Carrera Alpírez, Megan Cecile. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.