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
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/190595
Ver los metadatos del registro completo
| 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 |