Por favor, use este identificador para citar o enlazar este ítem:
http://www.dspace.espol.edu.ec/handle/123456789/68259| Título : | Sistema inteligente de mapeo y visualización geoespacial de áreas verdes en ESPOL |
| Autor : | Acosta Varela, Christopher Iván Triviño Román, Robespierre Realpe Robalino, Miguel Andrés, Director |
| Palabras clave : | Segmentación Semántica Aprendizaje Profundo Gestión Ambiental Redes Neuronales Convolucionales |
| Fecha de publicación : | 2025 |
| Editorial : | ESPOL.FIEC |
| Citación : | Acosta Varela C.I; Triviño Román R. (2025) Sistema inteligente de mapeo y visualización geoespacial de áreas verdes en ESPOL [Proyecto Integrador] Escuela Superior Politécnica del Litoral |
| Resumen : | The sustainable management of the Gustavo Galindo Velasco campus at ESPOL requires precise information regarding its green areas. Currently, these lack an up-to-date digital inventory for monitoring. This project develops an intelligent system for geospatial mapping and visualization to support territorial planning. To this end, an interactive web platform integrating Geographic Information Systems and deep learning was implemented. Drone images were processed using the U-Net network for semantic segmentation, and the system was validated through functional tests. The results showed that the model achieved an accuracy of 85.91%. Furthermore, functional tests demonstrated that users completed tasks in less than 5 minutes with a success rate exceeding 90%. Thus, the system effectively integrates artificial intelligence and geoinformatics, providing a robust tool to support evidence-based decision-making. Keywords: Semantic Segmentation, Deep Learning, Environmental Management, Neural Networks. |
| Descripción : | La gestión sostenible del campus Gustavo Galindo Velasco de la ESPOL demanda información precisa sobre sus áreas verdes. En la actualidad, estas carecen de un inventario digital actualizado para su monitoreo. El proyecto presentado a continuación construye un sistema de mapeo y visualización geospacial enfocado en la automatización de la planificación territorial del campus universitario. Para lograr esto, se creó un sitio web que combine tanto tecnologías de Sistemas de Información Geográfica (SIG) como algoritmos de aprendizaje profundo. Se procesaron imágenes aéreas capturadas por drones utilizando la red neuronal U-Net para la segmentación semántica de usos del suelo y se validó el sistema mediante pruebas funcionales. Los resultados evidenciaron que el modelo alcanzó una precisión de segmentación del 85.91%. Asimismo, las pruebas funcionales demostraron que los analistas completaron sus tareas en menos de 5 minutos con una tasa de éxito superior al 90 %. De esta forma, el sistema integra eficazmente la inteligencia artificial y la geoinformática al proporcionar una herramienta robusta que apoye la toma de decisiones basada en evidencia geoespacial. |
| URI : | http://www.dspace.espol.edu.ec/handle/123456789/68259 |
| metadata.dc.identifier.codigoproyectointegrador: | TECH-447 |
| Aparece en las colecciones: | Tesis de Computación |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| T-115996 TECH-447 ACOSTA-TRIVIÑO.pdf | 4.58 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.