CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial

Autores
Saporiti, Augusto Javier; Casas, Rubén Alejandro; Inchausti, Pablo Ezequiel
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La contaminación de los cuerpos de agua es un problema creciente, con 11 millones de toneladas de basura vertidas en los océanos cada año. En Argentina, se estima que un 70% de plásticos compone la basura de las costas bonaerenses y afecta al menos a 32 especies. El presente trabajo propone un sistema de monitoreo que combina imágenes satelitales e imágenes obtenidas con drones, para identificar la acumulación de basura con distinto grado de detalle. Para el procesamiento, se utilizan técnicas de Aprendizaje Automático, Clasificación y Visión Artificial, con una ResNet-50 para el análisis de las imágenes satelitales provenientes de fuentes abiertas, y un modelo basado en YOLOv8 para las imágenes recolectadas mediante el uso de un dron. Los resultados se presentan en tiempo real en un tablero desarrollado en Tableau y desplegado en AWS.
Water body pollution is a growing problem, with 11 million tons of waste dumped into the oceans each year. In Argentina, it is estimated that 70% of the waste along the Buenos Aires coasts is plastic and affects at least 32 species. This work proposes a monitoring system that combines the analysis of satellite images and images captured by drones, to identify waste accumulation. It uses Machine Learning, Classification, and Computer Vision techniques, adapting a ResNet-50 for the analysis of satellite images available from open data sources, and creating a model based on YOLOv8 for images collected using a drone. Results are presented in real time on Tableau and deployed on AWS.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Medio ambiente
Red neuronal profunda
Visión artificial
Sustainability
Deep neural network
Computer vision
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:10915/190595

id SEDICI_e6eb48cd87efec104aa684de50f8a659
oai_identifier_str oai:sedici.unlp.edu.ar:10915/190595
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificialCleanWater: Detection of Aquatic Waste with Satellite Images and Drones with Artificial IntelligenceSaporiti, Augusto JavierCasas, Rubén AlejandroInchausti, Pablo EzequielCiencias InformáticasMedio ambienteRed neuronal profundaVisión artificialSustainabilityDeep neural networkComputer visionLa contaminación de los cuerpos de agua es un problema creciente, con 11 millones de toneladas de basura vertidas en los océanos cada año. En Argentina, se estima que un 70% de plásticos compone la basura de las costas bonaerenses y afecta al menos a 32 especies. El presente trabajo propone un sistema de monitoreo que combina imágenes satelitales e imágenes obtenidas con drones, para identificar la acumulación de basura con distinto grado de detalle. Para el procesamiento, se utilizan técnicas de Aprendizaje Automático, Clasificación y Visión Artificial, con una ResNet-50 para el análisis de las imágenes satelitales provenientes de fuentes abiertas, y un modelo basado en YOLOv8 para las imágenes recolectadas mediante el uso de un dron. Los resultados se presentan en tiempo real en un tablero desarrollado en Tableau y desplegado en AWS.Water body pollution is a growing problem, with 11 million tons of waste dumped into the oceans each year. In Argentina, it is estimated that 70% of the waste along the Buenos Aires coasts is plastic and affects at least 32 species. This work proposes a monitoring system that combines the analysis of satellite images and images captured by drones, to identify waste accumulation. It uses Machine Learning, Classification, and Computer Vision techniques, adapting a ResNet-50 for the analysis of satellite images available from open data sources, and creating a model based on YOLOv8 for images collected using a drone. Results are presented in real time on Tableau and deployed on AWS.Sociedad Argentina de Informática e Investigación Operativa2025-08info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf148-152http://sedici.unlp.edu.ar/handle/10915/190595spainfo:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19908info:eu-repo/semantics/altIdentifier/issn/2451-7496info: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:UNLP2026-02-26T11:39:46Zoai:sedici.unlp.edu.ar:10915/190595Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-02-26 11:39:46.605SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
CleanWater: Detection of Aquatic Waste with Satellite Images and Drones with Artificial Intelligence
title CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
spellingShingle CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
Saporiti, Augusto Javier
Ciencias Informáticas
Medio ambiente
Red neuronal profunda
Visión artificial
Sustainability
Deep neural network
Computer vision
title_short CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
title_full CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
title_fullStr CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
title_full_unstemmed CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
title_sort CleanWater: detección de residuos acuáticos con imágenes satelitales y drones con inteligencia artificial
dc.creator.none.fl_str_mv Saporiti, Augusto Javier
Casas, Rubén Alejandro
Inchausti, Pablo Ezequiel
author Saporiti, Augusto Javier
author_facet Saporiti, Augusto Javier
Casas, Rubén Alejandro
Inchausti, Pablo Ezequiel
author_role author
author2 Casas, Rubén Alejandro
Inchausti, Pablo Ezequiel
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Medio ambiente
Red neuronal profunda
Visión artificial
Sustainability
Deep neural network
Computer vision
topic Ciencias Informáticas
Medio ambiente
Red neuronal profunda
Visión artificial
Sustainability
Deep neural network
Computer vision
dc.description.none.fl_txt_mv La contaminación de los cuerpos de agua es un problema creciente, con 11 millones de toneladas de basura vertidas en los océanos cada año. En Argentina, se estima que un 70% de plásticos compone la basura de las costas bonaerenses y afecta al menos a 32 especies. El presente trabajo propone un sistema de monitoreo que combina imágenes satelitales e imágenes obtenidas con drones, para identificar la acumulación de basura con distinto grado de detalle. Para el procesamiento, se utilizan técnicas de Aprendizaje Automático, Clasificación y Visión Artificial, con una ResNet-50 para el análisis de las imágenes satelitales provenientes de fuentes abiertas, y un modelo basado en YOLOv8 para las imágenes recolectadas mediante el uso de un dron. Los resultados se presentan en tiempo real en un tablero desarrollado en Tableau y desplegado en AWS.
Water body pollution is a growing problem, with 11 million tons of waste dumped into the oceans each year. In Argentina, it is estimated that 70% of the waste along the Buenos Aires coasts is plastic and affects at least 32 species. This work proposes a monitoring system that combines the analysis of satellite images and images captured by drones, to identify waste accumulation. It uses Machine Learning, Classification, and Computer Vision techniques, adapting a ResNet-50 for the analysis of satellite images available from open data sources, and creating a model based on YOLOv8 for images collected using a drone. Results are presented in real time on Tableau and deployed on AWS.
Sociedad Argentina de Informática e Investigación Operativa
description La contaminación de los cuerpos de agua es un problema creciente, con 11 millones de toneladas de basura vertidas en los océanos cada año. En Argentina, se estima que un 70% de plásticos compone la basura de las costas bonaerenses y afecta al menos a 32 especies. El presente trabajo propone un sistema de monitoreo que combina imágenes satelitales e imágenes obtenidas con drones, para identificar la acumulación de basura con distinto grado de detalle. Para el procesamiento, se utilizan técnicas de Aprendizaje Automático, Clasificación y Visión Artificial, con una ResNet-50 para el análisis de las imágenes satelitales provenientes de fuentes abiertas, y un modelo basado en YOLOv8 para las imágenes recolectadas mediante el uso de un dron. Los resultados se presentan en tiempo real en un tablero desarrollado en Tableau y desplegado en AWS.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
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/10915/190595
url http://sedici.unlp.edu.ar/handle/10915/190595
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://revistas.unlp.edu.ar/JAIIO/article/view/19908
info:eu-repo/semantics/altIdentifier/issn/2451-7496
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
148-152
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_ 1858282592061620224
score 12.665996