PREPROCESAMIENTO DE DATOS PRELIMINARES PARA CLASIFICADORES EN APRENDIZAJE SUPERVISADO

Autores

H.R. Lárraga Altamirano, O. Espinosa Guerra, N. Zapata Garay, J. A. Amador Soni

RESUMEN

Las imágenes obtenidas por percepción remota a través de vehículos aéreos no tripulados proveen de información que incide en la administración del campo y da soporte a la toma de decisiones. El proceso de análisis de estas imágenes involucra diferentes fases, como la adquisición y el preprocesamiento de las mismas. Estos datos son la entrada para métodos de aprendizaje supervisado en la clasificación de imágenes. Ejemplo de estos son las redes neuronales que han marcado un cambio radical en el análisis de información aplicada a la agricultura. Como métodos supervisados de aprendizaje requieren de dos etapas principales para realizar su tarea: el entrenamiento y las pruebas. El desempeño de la red neuronal depende en gran medida de que tan bien se ha conformado las imágenes de entrada que la entrenan para aprender. El presente trabajo propone un método para el preprocesado de imágenes con el objetivo de integrar el conjunto de datos de entrada a una red neuronal artificial (RNA). El método aquí descrito tiene como sujeto de estudio cultivos de caña de azúcar, describe la adquisición de imágenes por medio de vehículos aéreos no tripulados (VANT), su procesamiento para la integración de ortoimágenes, la división en ventanas de menor dimensión y la segmentación de la clase de interés (caña de azúcar).

Palabras clave: Preprocesamiento, Segmentación, VANT, Dataset, Entrenamiento

ABSTRACT

The images obtained by remote sensing through unmanned aerial vehicles provide information that affects the administration of the field and supports decision-making. The process of analyzing these images involves different phases, such as their acquisition and pre-processing. These data are the input for supervised learning methods in image classification. Example of these are neural networks which have marked a radical change in the analysis of information applied to agriculture. As supervised learning methods they require two main stages to carry out their task: training and tests. The performance of the neural network depends largely on how well it has shaped the input images that train it to learn. The present work proposes a method for the preprocessing of images in order to integrate the input data set to an artificial neural network (ANN). The method described here has as a subject of study sugarcane crops, describes the acquisition of images by means of unmanned aerial vehicles (UAVs), their processing for the integration of orthoimages, the division into smaller windows and the segmentation of the class of interest (sugarcane).

Key words: Preprocessing, Segmentation, UAV, Dataset, Training