Metodología para la detección de contactos en imágenes de radar de superficie aplicando redes neuronales convolucionales

Simple item page
dc.contributor.advisorChinguel Arrese, César Albertoes
dc.contributor.authorGonzales Martínez, Rosa Peregrina
dc.coverage.spatialPerúes
dc.date.accessioned2022-09-07T15:44:52Z
dc.date.available2022-09-07T15:44:52Z
dc.date.issued2022-09-07
dc.date.submitted2022-07
dc.description.abstractEl objetivo de la tesis es el diseño de una metodología para la generación de un modelo de detección de contactos en imágenes de radar utilizando redes neuronales convolucionales que permita elevar la detección de contactos y reducir la tasa de falsas alarmas con un alto rendimiento. Con tal fin se preprocesaron y mejoraron las imágenes crudas proporcionadas por la Marina de Guerra del Perú. Seguidamente se diseñó el modelo de detección basado en redes neuronales convolucionales determinando la arquitectura y configuración. Finalmente se entrenó y obtuvo el mejor modelo de detección y evaluó el aprendizaje y rendimiento del modelo de detección. Para el estudio se han utilizado imágenes de un solo sensor bajo el mismo escenario, ubicado en la costa peruana del Callao, Lima. El trabajo se limita a la fase de detección. Las imágenes de radar contienen el reflejo de los objetos que el radar encuentra en su paso o envío de su señal electromagnética, determinando si hay un posible objetivo más que determinar el tipo de embarcación. Se limita el trabajo a la extracción de “plots” es decir a la presencia de posibles objetivos. En una fase subsiguiente denominada “Tracking” se utilizan algoritmos predictivos para ejecutar el seguimiento, minimizar el error y determinar el tipo de objetivo. Posteriormente, el sistema de comando y control se comunicará con diversas armas. Los resultados obtenidos en este trabajo son aplicables a cualquier radar de navegación comercial ubicado en la costa peruana. Se concluye que el modelo de detección con afinamiento de hiperparámetros obtuvo mejor rendimiento que el modelo por defecto. Esto se demuestra en los resultados; alcanzando los valores de 0.945 para Recall y 0.951 en Precisión. Asimismo, el recorte automático facilita la obtención de recortes de objetos que serán etiquetados por el experto. La aplicación del recorte automático está diseñada para discriminar los objetos de acuerdo a características, como la intensidad y dimensiones de pixeles. Asimismo, el recorte automático ha permitido obtener recortes más exactos y en consecuencia ha mejorado el aprendizaje del algoritmo.es
dc.description.sponsorshipEste trabajo fue financiado por el Consejo Nacional de Ciencia, Tecnología e Innovación – CONCYTEC y el Banco Mundial, a través de su unidad ejecutora, el Fondo Nacional de Desarrollo Científico, Tecnológico y de Innovación Tecnológica (FONDECYT) en el marco de la convocatoria E033- 2018-01-BM, en colaboración con la Universidad de Piura [número de contrato 06-2018- FONDECYT / BM].es
dc.identifier.citationGonzales, R. (2022). Metodología para la detección de contactos en imágenes de radar de superficie aplicando redes neuronales convolucionales (Tesis doctoral en Ingeniería con mención en: Automatización, Control y Optimización de Procesos). Universidad de Piura. Facultad de Ingeniería. Piura, Perú.es
dc.identifier.urihttps://hdl.handle.net/11042/5631
dc.language.isospaes
dc.publisherUniversidad de Piuraes
dc.publisher.countryPEes
dc.rightsinfo:eu-repo/semantics/openAccesses
dc.rights.licenseAttribution-NonCommercial-NoDerivatives 4.0 Internacional*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.sourceUniversidad de Piuraes
dc.sourceRepositorio Institucional Pirhua - UDEPes
dc.subjectRedes neuronales (Computadores) -- Aplicaciónes
dc.subjectDetección por radar -- Investigacioneses
dc.subjectProcesamiento de imágenes -- Técnicas digitaleses
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.02.03es
dc.titleMetodología para la detección de contactos en imágenes de radar de superficie aplicando redes neuronales convolucionaleses
dc.typeinfo:eu-repo/semantics/doctoralThesises
renati.advisor.dni02608339
renati.advisor.orcidhttps://orcid.org/0000-0002-3118-6675es
renati.author.dni18122549
renati.discipline722018es
renati.jurorIpanaqué Alama, Williames
renati.jurorOquelis Cabredo, Justoes
renati.jurorVásquez Díaz, Edilbertoes
renati.levelhttps://purl.org/pe-repo/renati/level#doctores
renati.typehttps://purl.org/pe-repo/renati/type#tesises
rim.academicdepartmentDoctorado en Ingeniería con Mención en Automatización, Control y Optimización de Procesoses
rim.collegeFacultad de Ingenieríaes
rim.departmentPosgrado de Doctorado en Ingenieríaes
thesis.degree.disciplineDoctorado en Ingeniería, mención Automatización, Control y Optimización de Procesoses
thesis.degree.grantorUniversidad de Piura. Facultad de Ingenieríaes
thesis.degree.nameDoctor en Ingeniería con mención en Automatización, Control y Optimización de Procesoses
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
DOC_ING_AUT_2201.pdf
Size:
2.23 MB
Format:
Adobe Portable Document Format
Description:
Artículo principal
Download
Collections
Doctorado en Ingeniería con mención en Automatización, Control y Optimización de Procesos - Tesis