Desarrollo, Producción e Innovación en la Investigación científica

Permanent URI for this communityhttp://48.217.138.120/handle/20.500.12272/2392

Browse

Author: search.filters.author.Nemer Pelliza, Karim Alejandra

Search Results

Now showing 1 - 6 of 6
  • Thumbnail Image
    Item
    Armado de una base de datos con imágenes satelitales SAR de embarcaciones con información AIS
    (2023) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    Este trabajo presenta un método para la expansión de una base de datos de imágenes satelitales SAR con el objetivo de mejorar la clasificación de embarcaciones mediante inteligencia artificial.
  • Thumbnail Image
    Item
    Analisis de la influencia del preprocesamiento de imágenes SAR en la clasificación de navíos utilizando CNN
    (2024) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    En este trabajo, se evalua la influencia ´ de tecnicas de preprocesamiento utilizando Wavelet en ´ la clasificacion de barcos mediante redes neuronales ´ convolucionales (CNN). Las imagenes SAR, por su ca- ´ pacidad de adquisicion en condiciones adversas, resulta ´ utiles para la identificaci ´ on de embarcaciones no cola- ´ borativas en zonas de explotacion exclusiva, el principal ´ problema en el uso de estas imagenes, es el ruido ´ ”speckle”. Se analiza como la eliminaci ´ on de ruido ´ puede mejorar o empeorar la tarea de clasificacion. ´ Se explica el uso de Wavelets para reducir el ruido, especialmente mediante tecnicas de umbralizaci ´ on, y ´ como esto afecta el entrenamiento de CNN. Se realiza- ´ ron pruebas con 30 configuraciones diferentes de CNN y 58 diferentes Transformadas de Wavelets (TW) para el preprocesamiento de imagenes, eligiendo finalmente ´ aquella que mostro un mejor rendimiento.
  • Thumbnail Image
    Item
    Identificación de buques pesqueros en imágenes satelitales SAR utilizando redes neuronales Convolucionales
    (IX MACI, 2023) Nemer Pelliza, Karim Alejandra
    Debido a la creciente pesca ilegal, es fundamental detectar barcos pesqueros para monitorear y controlar estos delitos. Los investigadores han estado trabajando constantemente y enfrentando desafíos para detectar barcos automáticamente, principalmente utilizando sensores remotos, lo que ha demostrado un gran impacto en brindar seguridad. Existen múltiples sistemas capaces de detectar barcos de forma eficiente. En este trabajo se avanza un poco más, tratando de identificar si los barcos detectados son pesqueros o no, para esto se presenta una base de datos de más de 11000 imágenes con barcos detectados, de los cuales cerca de 8000 tienen metadatos que contienen las características de los mismos, entre lo que se destacan dimensiones, finalidad, rumbo, entre otras. La información de los navíos se obtuvieron a partir del AIS registrado de los mismos. Se presenta también una estructura de red neuronal convolucional que permite distinguir si el navío detectado es pesquero o no.
  • Thumbnail Image
    Item
    Implementación de una Cámara Infrarroja en la Raspberry Pi
    (2024) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Pedrazzi, Lucila
    La cámara 5MP OV5647 IR-CUT es un módulo que permite su uso tanto de día como de noche. Este periférico, posee un sensor de 5 megapíxeles, CMOS, con una resolución máxima de 2592x1944 pixeles y la posibilidad de realizar captura de video con una resolución de 1080p a 30fps. Además posee un filtro de corte Infra Rojo (IR) extraíble, funcionalidad que permite remover la distorsión del color durante el horario diurno y un LED IR integrado para respaldar la función de visión de la cámara. Este periférico se conecta con la Raspberry-Pi mediante un cable plano.
  • Thumbnail Image
    Item
    Influencia del uso de Wavelets sobre imágenes SAR para la clasificación, usando CNN
    (2025) Nemer Pelliza, Karim Alejandra; Steiner, Guillermo M.; Toledo, Sofía
    Dentro de la clasificación de imágenes satelitales de tipo SAR (Radar de Apertura Sintética) utilizando Inteligencia Artificial (AI), el uso de preprocesamiento influye fuertemente en el resultado final. En este trabajo se muestra el comportamiento de las 10 combinaciones Wavelet CNN (Redes Neuronales Convolucionales) más eficientes, para lo cual se aplicaron 58 Transformadas Wavelets, a modo de preprocesamiento, combinando tipo de función y niveles, a imágenes SAR de una base de datos de 20.000 navíos. Se utilizó cada una de estas configuraciones para el entrenamiento de 50 estructuras diferentes de CNN. Con estos resultados se elaboró el presente informe.
  • Thumbnail Image
    Item
    Optimal canny’s parameters regressions for coastal line detection in satellite-based SAR images
    (2020) Nemer Pelliza, Karim Alejandra; Pucheta, Martín Alejo; Flesia, Ana Georgina
    Canny’s algorithm is a very well-known and widely implemented multistage edge detector. The extraction of coastal lines in space-borne-based synthetic aperture radar (SAR) images using this algorithm is particularly complicated because of the multiplicative speckle noise present in them and can only be used if Canny’s parameters (CaPP) are chosen appropriately. This letter introduces a methodology for computing functional forms for the CaPP, using functions of the image characteristics through a system that combines artificial neural networks (ANN) with statistical regression. A set of CaPP functional forms is obtained by applying this method on synthetic SAR images. Pratt’s fig- ure of merit (PFoM) is used to measure the performance of them, obtaining more than 0.75, on average, in the 14 400 synthetic SAR images analyzed. Finally, this set of formulas has been tested for extracting coastal edges from real polynyas SAR images, acquired from Sentinel-1.