Delimitación automática de ceniza volcánica en imágenes satelitales mediante Deep Learning

• Aldás-Núñez, Roberth Joel ; Tuz-Chamorro, Katherin Vanessa ^[1] ; Vega-Ocaña, Jair Alejandro ^[1] ; Velasco-Haro, Marco Sebastián ^[1] ; Mejía-Escobar, Christian Iván ^[1]
  1. [1] Universidad Central del Ecuador

     Universidad Central del Ecuador

     Quito, Ecuador

     
• Localización: FIGEMPA: Investigación y Desarrollo, ISSN-e 2602-8484, Vol. 13, Nº. 1, 2022 (Ejemplar dedicado a: Desafío), págs. 48-58
• Idioma: español
• Títulos paralelos:
  • Automatic delimitation of volcanic ash in satellite images using Deep Learning
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La Inteligencia Artificial ha tenido un gran impacto en los últimos años, cada vez este campo de la Informática es más utilizado en el tratamiento de problemas en el área geológica. Una de las principales aplicaciones es la detección y segmentación de ceniza en imágenes satelitales. Para tal fin, proponemos un modelo de Deep Learning basado en una red neuronal convolucional (CNN) y entrenado con un dataset de imágenes satelitales que tienen aplicado el filtro “ash”, que proporciona una coloración rosada rojiza a la ceniza, facilitando el proceso de segmentación. Los resultados obtenidos indican una precisión del 99%, conveniente para su aplicación práctica para la segmentación de la ceniza emitida por el Volcán Sangay, el cual ha presentado periodos de actividad volcánica en los últimos años. Las imágenes segmentadas generadas por nuestro modelo son congruentes con los estudios publicados por el IG-EPN.

  • English

    Artificial Intelligence has had a big impact in recent years, this field of Informatics is increasingly used to solve geological problems. One of the main applications is the detection and segmentation of volcanic ash in satellite images. For this purpose, we propose a Deep Learning model based on a Convolutional Neural Network (CNN), trained with a satellite image dataset where the "ash" filter is applied, which provides a reddish-pink coloration to the ash, facilitating the segmentation process. The results show an accuracy of 99%, which is suitable for the segmentation of the ash emitted by Sangay Volcano, which has presented periods of volcanic activity in recent years. Our model generated segmented images that are consistent with the studies published by the IG-EPN.