Aplicaciones de machine learning para el uso sustentable de recursos naturales

Autores
Inchausti, Pablo Ezequiel; Martínez Saucedo, Ana; Amet, Leonardo Javier; Blanco, Pedro Martin; Nievas, Guillermo Manuel; Giusto, Luana
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Se propone una investigación para predecir la ocurrencia de incendios forestales basada en el entrenamiento de Modelos de Machine Learning. Se utiliza para el entrenamiento de los modelos, datos de registros históricos provistos por las propias Asociaciones de Bomberos Voluntarios, datos del Servicio Meteorológico Nacional (SMN) e imágenes satelitales provistas por la NASA. Se propone extender la solución para abarcar el monitoreo de áreas en riesgo, mediante dispositivos de IoT en puntos fijos o móviles, y equipados con sensores y cámaras. El procesamiento de las imágenes se propone realizar mediante algoritmos de reconocimiento de imágenes para enviar alertas de posibles focos de incendios.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Machine Learning
IoT
Medio ambiente
Incendios Forestales
Sustentabilidad
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/143289
Acceder
id SEDICI_04bb2d4ab205e4937a796a35e0597905
oai_identifier_str oai:sedici.unlp.edu.ar:10915/143289
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicaciones de machine learning para el uso sustentable de recursos naturalesInchausti, Pablo EzequielMartínez Saucedo, AnaAmet, Leonardo JavierBlanco, Pedro MartinNievas, Guillermo ManuelGiusto, LuanaCiencias InformáticasMachine LearningIoTMedio ambienteIncendios ForestalesSustentabilidadSe propone una investigación para predecir la ocurrencia de incendios forestales basada en el entrenamiento de Modelos de Machine Learning. Se utiliza para el entrenamiento de los modelos, datos de registros históricos provistos por las propias Asociaciones de Bomberos Voluntarios, datos del Servicio Meteorológico Nacional (SMN) e imágenes satelitales provistas por la NASA. Se propone extender la solución para abarcar el monitoreo de áreas en riesgo, mediante dispositivos de IoT en puntos fijos o móviles, y equipados con sensores y cámaras. El procesamiento de las imágenes se propone realizar mediante algoritmos de reconocimiento de imágenes para enviar alertas de posibles focos de incendios.Red de Universidades con Carreras en Informática2022-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf33-37http://sedici.unlp.edu.ar/handle/10915/143289spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9info:eu-repo/semantics/reference/hdl/10915/142555info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:36:34Zoai:sedici.unlp.edu.ar:10915/143289Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:36:34.503SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicaciones de machine learning para el uso sustentable de recursos naturales
title Aplicaciones de machine learning para el uso sustentable de recursos naturales
spellingShingle Aplicaciones de machine learning para el uso sustentable de recursos naturales
Inchausti, Pablo Ezequiel
Ciencias Informáticas
Machine Learning
IoT
Medio ambiente
Incendios Forestales
Sustentabilidad
title_short Aplicaciones de machine learning para el uso sustentable de recursos naturales
title_full Aplicaciones de machine learning para el uso sustentable de recursos naturales
title_fullStr Aplicaciones de machine learning para el uso sustentable de recursos naturales
title_full_unstemmed Aplicaciones de machine learning para el uso sustentable de recursos naturales
title_sort Aplicaciones de machine learning para el uso sustentable de recursos naturales
dc.creator.none.fl_str_mv Inchausti, Pablo Ezequiel
Martínez Saucedo, Ana
Amet, Leonardo Javier
Blanco, Pedro Martin
Nievas, Guillermo Manuel
Giusto, Luana
author Inchausti, Pablo Ezequiel
author_facet Inchausti, Pablo Ezequiel
Martínez Saucedo, Ana
Amet, Leonardo Javier
Blanco, Pedro Martin
Nievas, Guillermo Manuel
Giusto, Luana
author_role author
author2 Martínez Saucedo, Ana
Amet, Leonardo Javier
Blanco, Pedro Martin
Nievas, Guillermo Manuel
Giusto, Luana
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Machine Learning
IoT
Medio ambiente
Incendios Forestales
Sustentabilidad
topic Ciencias Informáticas
Machine Learning
IoT
Medio ambiente
Incendios Forestales
Sustentabilidad
dc.description.none.fl_txt_mv Se propone una investigación para predecir la ocurrencia de incendios forestales basada en el entrenamiento de Modelos de Machine Learning. Se utiliza para el entrenamiento de los modelos, datos de registros históricos provistos por las propias Asociaciones de Bomberos Voluntarios, datos del Servicio Meteorológico Nacional (SMN) e imágenes satelitales provistas por la NASA. Se propone extender la solución para abarcar el monitoreo de áreas en riesgo, mediante dispositivos de IoT en puntos fijos o móviles, y equipados con sensores y cámaras. El procesamiento de las imágenes se propone realizar mediante algoritmos de reconocimiento de imágenes para enviar alertas de posibles focos de incendios.
Red de Universidades con Carreras en Informática
description Se propone una investigación para predecir la ocurrencia de incendios forestales basada en el entrenamiento de Modelos de Machine Learning. Se utiliza para el entrenamiento de los modelos, datos de registros históricos provistos por las propias Asociaciones de Bomberos Voluntarios, datos del Servicio Meteorológico Nacional (SMN) e imágenes satelitales provistas por la NASA. Se propone extender la solución para abarcar el monitoreo de áreas en riesgo, mediante dispositivos de IoT en puntos fijos o móviles, y equipados con sensores y cámaras. El procesamiento de las imágenes se propone realizar mediante algoritmos de reconocimiento de imágenes para enviar alertas de posibles focos de incendios.
publishDate 2022
dc.date.none.fl_str_mv 2022-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/143289
url http://sedici.unlp.edu.ar/handle/10915/143289
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9
info:eu-repo/semantics/reference/hdl/10915/142555
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
33-37
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616243667009536
score 13.070432

Publicaciones similares