Show simple item record

dc.contributor.advisorRamírez Prada, Paulo Cesar
dc.contributor.advisorParra Sánchez, Diana Teresa
dc.contributor.authorOlarte Camargo, Kevin Joel
dc.contributor.authorChacón Castro, Luisa Fernanda
dc.coverage.spatialSantander (Colombia)spa
dc.date.accessioned2020-07-25T01:15:05Z
dc.date.available2020-07-25T01:15:05Z
dc.date.issued2019-05-31
dc.identifier.urihttp://hdl.handle.net/20.500.12749/7037
dc.description.abstractEn el presente trabajo de grado se desarrolló un prototipo de un sistema de monitoreo para zonas boscosas y áreas protegidas mediante la implementación de drones que ejecuten operaciones de reconocimiento de terreno para la generación de alertas en tiempo real por medio de reconocimiento de imágenes, buscando dar solución al impacto que están sufriendo los ecosistemas boscosos, principalmente a causa del hombre y la falta de vigilancia continua que permita detectar a tiempo los incendios. Se realizó una revisión de la literatura que era relevante para los puntos de investigación que fueron: Redes neuronales convolucionales, drones, zonas boscosas y visión por computadora. Cada uno de los temas fueron expuestos con la relación directa con el tema de estudio y así definir objetivos y la selección de las tecnologías software y hardware para la aplicación del mismo. Se aplicó el entrenamiento a la red neuronal analizando el comportamiento y aprendizaje de la misma al identificar tres tipos de estados: incendio día, incendio noche, no incendio. Con ayuda de datasets propios y de terceros se realizaron pruebas con un incendio controlado en el barrio Morrorico ubicado en el oriente de Bucaramanga. Este proyecto inicia un largo camino en pro del cuidado de zonas boscosas, y sirve como complemento en trabajos similares referentes a clasificación de imágenes por medio de inteligencia artificial, dejando como precedente la necesidad del cuidado de los bosques dado al alto impacto que los incendios traen consigo.spa
dc.description.tableofcontents1. introducción 6 2. planteamiento del problema 7 3. objetivos 9 3.1 objetivo general 9 3.2 objetivos específicos 9 4. marco referencial 10 4.1 marco conceptual 10 4.2 marco teórico 10 4.3 estado del arte 15 4.4 marco legal 21 5. metodología 24 6. resultados 25 7. discusión 56 8. conclusiones 57 9. trabajo futuro 59 referenciasspa
dc.format.mimetypeapplication/pdf
dc.language.isospaspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.titlePrototipo de un sistema de monitoreo para detección de incendios en áreas protegidas del departamento de Santander con la generación de alertas en tiempo real por medio de dronesspa
dc.title.translatedPrototype of a monitoring system for fire detection in protected areas in the department of Santander with the generation of real-time alerts using droneeng
dc.degree.nameIngeniero de Sistemasspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.rights.localAbierto (Texto Completo)spa
dc.publisher.facultyFacultad Ingeniería
dc.publisher.programIngeniería de Sistemas
dc.description.degreelevelPregradospa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de Gradospa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.subject.keywordsSystems engineer
dc.subject.keywordsForest fire
dc.subject.keywordsComputer visión
dc.subject.keywordsForest fire
dc.subject.keywordsNeural networks
dc.subject.keywordsReinforcement learning
dc.subject.keywordsFires
dc.subject.keywordsMonitoring
dc.subject.keywordsEnvironmental monitoring
dc.subject.keywordsArtificial intelligence
dc.subject.keywordsTechnological innovations
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponamereponame:Repositorio Institucional UNAB
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersionspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.relation.referencesAchkar, M., Cantón, V., Díaz, I., Domínguez, A., Faccio, C., Fernández, G., … Sosa, B. (2011). Áreas protegidas Un desafío en el ordenamiento ambiental del territorio. https://doi.org/10.1360/zd-2013-43-6-1064spa
dc.relation.referencesAddati, G., & Pérez Lance, G. (2014). Introducción a los UAV’s, drones o VANTs de uso civil. Econstor.spa
dc.relation.referencesAero Expo. (2019a). BD BeBop Datasheet 210x297 UK 19nov14.spa
dc.relation.referencesAero Expo. (2019b). Parrot bebop drone. Retrieved from http://pdf.aeroexpo.online/pdf/parrot/bd-bebop-datasheet-210x297-uk-19nov14/170278-68.htmlspa
dc.relation.referencesAeronautica Civil de Colombia. (2015). Requisitos Generales de Aeronavegabilidad y Operaciones para RPAS. Retrieved from http://www.aerocivil.gov.co/Lists/Noticias Internet/Attachments/197/CIRCULAR REGLAMENTARIA 002 - RPAS.pdfspa
dc.relation.referencesAgencia Nacional del Espectro. (2018). Política de espectro radioeléctrico.spa
dc.relation.referencesAhmed, S., & Mehmood, S. (2017). Incorporation of Drones into Fire and Rescue Service of Esbjerg Municipality for a Robust Emergency Response. Aalborg University Esbjerg.spa
dc.relation.referencesAllison, R. S., Johnston, J. M., Craig, G., & Jennings, S. (2016). Airborne optical and thermal remote sensing for wildfire detection and monitoring. MPDI, 16(8). https://doi.org/10.3390/s16081310spa
dc.relation.referencesÁngel, M., & Jiménez, I. (2016). Diseño e implementación de un Dron Para la detección de incendios forestales. Universidad abierta de Cataluña.spa
dc.relation.referencesArduino. (2019). Arduino uno rev3. Retrieved from https://store.arduino.cc/usa/arduino-uno-rev3spa
dc.relation.referencesBermúdez Huertas, A., & Villamil Hernández, L. (2015). Vehículos Aéreos no tripulados, Drones y sus sistemas de comunicación.spa
dc.relation.referencesBock, S., Goppold, J., & Weiß, M. (2018). An improvement of the convergence proof of the (p. 6).spa
dc.relation.referencesBradski, G., & Kaehler, A. (2008). Learning OpenCV. Learning OpenCV. https://doi.org/10.1109/MRA.2009.933612spa
dc.relation.referencesBujari, A., Calafate, C. T., Cano, J.-C., Manzoni, P., Palazzi, C. E., & Ronzani, D. (2017). Flying ad-hoc network application scenarios and mobility models. International Journal of Distributed Sensor Networks, 13(10), 17. https://doi.org/10.1177/1550147717738192spa
dc.relation.referencesBurrueco, D. (2019). Otros optimizadores. Retrieved from https://www.interactivechaos.com/manual/tutorial-de-machine-learning/otros-optimizadoresspa
dc.relation.referencesCognex. (2018). Introducción a la visión Artificial Una guía para la automatización de procesos y mejorar la calidad. Retrieved from https://www.cognex.com/es-ar/library/media/files/17151.pdfspa
dc.relation.referencesComisión Nacional Forestal. (2005). Incendios forestales: Guía práctica para comunicadores.spa
dc.relation.referencesConsejo Nacional de Política Económica y Social. (2018). CONPES 3920: Política Nacional de Explotación de Datos (Big Data). Bogotá.spa
dc.relation.referencesConstitucion politica de Colombia. (1991). Constitucion politica de Colombia 1991. Retrieved from http://www.corteconstitucional.gov.co/inicio/Constitucion politica de Colombia.pdfspa
dc.relation.referencesCorporación Autónoma Regional para la Defensa de la Meseta de Bucaramanga. (2011). Áreas Protegidas En La Jurisdicción De La Cdmb, Santander, Colombia.spa
dc.relation.referencesCruz, H., Eckert, M., Meneses, J., & Martínez, J. F. (2016). Efficient forest fire detection index for application in Unmanned Aerial Systems (UASs), 16(6). https://doi.org/10.3390/s16060893spa
dc.relation.referencesDiaz Cuesta, C. (2018). Redes Neuronales Convolucionales.spa
dc.relation.referencesvDionisio Ortega, S., Rojas Perez, L. O., Martinez Carranza, J., & Cruz Vega, I. (2018). A deep learning approach towards autonomous flight in forest environments. In Conference international 2018 (Vol. 2018-Janua, pp. 139–144). IEEE. https://doi.org/10.1109/CONIELECOMP.2018.8327189spa
dc.relation.referencesDji Spark. (2019). Spark. Retrieved from https://www.dji.com/sparkspa
dc.relation.referencesDunnings, A. J., & Breckon, T. P. (2018). Experimentally defined convolutional neural network architecture variants for non-temporal real-time fire detection. Proceedings - International Conference on Image Processing, ICIP, 1358–1362. https://doi.org/10.1109/ICIP.2018.8451657spa
dc.relation.referencesDynamo Electronics S.A.S. (2019). Sensor de ultrasonido HC-SR04. Retrieved from https://www.dynamoelectronics.com/medir-distancias/863-sensor-de-ultrasonido-hc-sr04.htmlspa
dc.relation.referencesEl Tiempo. (2019, February 5). Incendio forestal consumió al menos 220 hectáreas del páramo El Almorzadero en Santander, p. 1. Retrieved from https://www.eltiempo.com/colombia/otras-ciudades/incendio-en-paramo-de-santurban-afecta-a-80-hectareas-de-bosque-323168spa
dc.relation.referencesElectronic Components. (2019). VL53L0X Datasheet. Retrieved from https://www.alldatasheet.com/view.jsp?Searchword=Vl53l0x&gclid=EAIaIQobChMIzK6T3v3A4gIVQwOGCh3IRwzvEAAYASAAEgIrbPD_BwEspa
dc.relation.referencesFAO; MADS; IDEAM. (2018). Lineamientos para el monitoreo comunitario participativo en Colombia. Bogotá.spa
dc.relation.referencesFAO. (2015a). Evaluación de los recursos forestales mundiales 2015 (2nd ed.). Rom.spa
dc.relation.referencesFAO. (2015b). Los bosques y suelos forestales contribuyen de manera esencial a la producción agrícola y la seguridad alimentaria mundial. Retrieved from http://www.fao.org/soils-2015/news/news-detail/es/c/285875/spa
dc.relation.referencesFAO. (2018). Fortalecimiento de los sistemas nacionales de monitoreo de los bosques para REDD +. Roma.spa
dc.relation.referencesFlórez López, R., & Fernández Fernández, J. M. (2008). Las Redes Neuronales Artificiales. (Netbiblo, Ed.).spa
dc.relation.referencesFreaks, E. (2012). Ultrasonic Ranging Module HC - SR04, 3–5. Retrieved from http://www.micropik.com/PDF/HCSR04.pdfspa
dc.relation.referencesfritzing. (2019). fritzing. Retrieved from http://fritzing.org/home/spa
dc.relation.referencesFrizzi, S., Kaabi, R., Bouchouicha, M., Ginoux, J. M., Moreau, E., & Fnaiech, F. (2016). Convolutional Neural Network for Video Fire and Smoke Detection. IECON Proceedings (Industrial Electronics Conference), 877–882. https://doi.org/10.1109/IECON.2016.7793196spa
dc.relation.referencesGarcía García, I. (2017). Estudio sobre vehículos aéreos no tripulados y sus aplicaciones. Valladolid. Retrieved from https://uvadoc.uva.es/bitstream/10324/23021/1/TFG-P-528.pdfspa
dc.relation.referencesHristov, G., Raychev, J., Kinaneva, D., & Plamen, Z. (2018). Emerging methods for early detection of forest fires using unmanned aerial vehicles and LoRaWAN sensor networks. 2018 28th EAEEIE Annual Conference (EAEEIE), 1–4.spa
dc.relation.referencesHua, L., & Shao, G. (2017). The progress of operational forest fire monitoring with infrared remote sensing. Forestry Research, 28(2), 215–229. https://doi.org/10.1007/s11676-016-0361-8spa
dc.relation.referencesIberdrola. (2019). Diferentes tipos y usos de drones. Retrieved from https://www.iberdrola.com/te-interesa/tecnologia/drones-usos-tiposspa
dc.relation.referencesIDEAM. (2016). Estrategia integral de control a la deforestación.spa
dc.relation.referencesIDEAM. (2019). Incendios de la cobertura vegetal. Retrieved from http://www.ideam.gov.co/web/ecosistemas/incendios-cobertura-vegetalspa
dc.relation.referencesIntel Aero ready to Fly. (2019). Intel.spa
dc.relation.referencesInvestopedia. (2019). Overfitting. Retrieved from https://www.investopedia.com/terms/o/overfitting.aspspa
dc.relation.referencesKeras. (2019a). Keras documentation. Retrieved from https://keras.io/optimizers/spa
dc.relation.referencesKeras. (2019b). Keras documentation. Retrieved from https://keras.io/metrics/spa
dc.relation.referencesKhan, S., Muhammad, K., Mumtaz, S., Baik, S. W., & de Albuquerque, V. H. C. (2019). Energy-Efficient Deep CNN for Smoke Detection in Foggy IoT Environment. IEEE Internet of Things Journal, 1–1. https://doi.org/10.1109/JIOT.2019.2896120spa
dc.relation.referencesKurose, J., & Ross, K. (2005). Computer Networking - A top-down approach. Pearson.spa
dc.relation.referencesLago Canadas, J. (2017). Diseño y control de un dron con evasión de obstáculos.spa
dc.relation.referencesMaksymiv, O., Rak, T., & Peleshko, D. (2017). Real-time fire detection method combining AdaBoost, LBP and convolutional neural network in video sequence. 2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics, CADSM 2017 - Proceedings, 351–353. https://doi.org/10.1109/CADSM.2017.7916148spa
dc.relation.referencesManyika, J., Chui, M., Bisson, P., Woetzel, J., Dobbs, R., Bughin, J., & Aharon, D. (2016). El Internet de las cosas: Un informe de la política pública de Internet Society ( ISOC ). Internet Society, 1–8.spa
dc.relation.referencesMárquez Díaz, J. E. (2018). Seguridad metropolitana mediante el uso coordinado de Drones. Ingenierías USBMed, 9(1), 39. https://doi.org/10.21500/20275846.3299spa
dc.relation.referencesMavic pro. (2019). Mavic pro wherever you go. Retrieved from https://www.dji.com/mavicspa
dc.relation.referencesMerino, L., Caballero, F., Martínez-De-Dios, J. R., Maza, I., & Ollero, A. (2012). An unmanned aircraft system for automatic forest fire monitoring and measurement. Journal of Intelligent and Robotic Systems: Theory and Applications, 65(1–4), 533–548. https://doi.org/10.1007/s10846-011-9560-xspa
dc.relation.referencesMinambiente. (1974). Decreto 2811 del 18 de Diciembre de 1974. Retrieved from http://www.minambiente.gov.co/images/GestionIntegraldelRecursoHidrico/pdf/normativa/Decreto_2811_de_1974.pdfspa
dc.relation.referencesMinambiente. (2019). Los incendios forestales. Retrieved from http://www.minambiente.gov.co/index.php/component/content/article?id=428:plantilla-bosques-biodiversidad-y-servicios-ecosistematicos-23spa
dc.relation.referencesMinisterio de Tecnologías de la Información y las Comunicaciones. (2015). Decreto 1078. Decreto único reglamentario del Sector de Tecnologías de la Información y las Comunicaciones. Retrieved from https://www.mintic.gov.co/portal/604/articles-9528_documento.pdfspa
dc.relation.referencesMora Tebas, J. (2018). Drones: ¿La Clave para el desarrollo y la seguridad en África? IEEE, 33. Retrieved from Dron, UAV, RA, África, seguridad, desarrollo, dronizaciónspa
dc.relation.referencesMorgan, Q., Brian, G., & Smart, W. D. (2015). Programming Robots with ROS. (S. D. Blanchette Meghan, Ed.) (1st ed.). Boston.spa
dc.relation.referencesMuhammad, K., Ahmad, J., Lv, Z., Bellavista, P., Yang, P., & Baik, S. W. (2018). Efficient Deep CNN-Based Fire Detection and Localization in Video Surveillance Applications. IEEE Transactions on Systems, Man, and Cybernetics: Systems, PP, 1–16. https://doi.org/10.1109/TSMC.2018.2830099spa
dc.relation.referencesMuhammad, K., Ahmad, J., Mehmood, I., Rho, S., & Baik, S. W. (2018). Convolutional Neural Networks Based Fire Detection in Surveillance Videos. IEEE Access, 6, 18174–18183. https://doi.org/10.1109/ACCESS.2018.2812835spa
dc.relation.referencesMuhammad, K., Khan, S., Elhoseny, M., Ahmed, S. H., & Baik, S. W. (2019). Efficient Fire Detection for Uncertain Surveillance Environment. IEEE Transactions on Industrial Informatics, PP(c), 1–1. https://doi.org/10.1109/tii.2019.2897594spa
dc.relation.referencesMuñoz, F., Porta, J., & Contreras, M. (2014). Redes Ad Hoc. Retrieved from http://www.eng.auburn.edu/~jtc0004/jtc/manet/applet.htm ?spa
dc.relation.referencesnaylampmechatronics. (2013). Conversor de nivel lógico I2C 5V a 3.3V. Retrieved from https://naylampmechatronics.com/conversores-ttl/67-conversor-de-nivel-logico-i2c.htmlspa
dc.relation.referencesP.Kingm, D., & Ba, J. L. (2015). Adam: A method for stochstic optimization (p. 15).spa
dc.relation.referencesPalacios, F. M., Quesada, E. S. E., Sanahuja, G., Salazar, S., Salazar, O. G., & Carrillo, L. R. G. (2017). Test bed for applications of heterogeneous unmanned vehicles. International Journal of Advanced Robotic Systems, 14(1), 1–14. https://doi.org/10.1177/1729881416687111spa
dc.relation.referencesParrot. (2019). Parrot Ar. Drone.spa
dc.relation.referencesParrot bebop drone user guide. (2014), 33.spa
dc.relation.referencesRambal. (2019). Conversor de nivel lógico Bidireccional. (4 canales).spa
dc.relation.referencesRaspberry Pi. (2019). Raspberry Pi 3. Retrieved from https://www.raspberrypi.org/products/raspberry-pi-3-model-b-plus/spa
dc.relation.referencesRos. (2019). ROS. Retrieved from http://www.ros.org/about-ros/spa
dc.relation.referencesRossie, L. (2019). Corsican fire database. Retrieved from http://cfdb.univ-corse.fr/spa
dc.relation.referencesRUNAP. (2019a). Áreas protegidas. Retrieved from http://runap.parquesnacionales.gov.co/departamento/935spa
dc.relation.referencesRUNAP. (2019b). Serranía de los Yariguíes. Retrieved from http://runap.parquesnacionales.gov.co/area-protegida/473spa
dc.relation.referencesSaadat, M. N., & Husen, M. N. (2018). An Application Framework for Forest Fire and Haze Detection with Data Acquisition Using Unmanned Aerial Vehicle. In Proceedings of the 12th International Conference on Ubiquitous Information Management and Communication - IMCOM ’18 (pp. 1–7). New York, New York, USA: ACM Press. https://doi.org/10.1145/3164541.3164624spa
dc.relation.referencesSalazar, J. (2016). Redes inalámbricas.spa
dc.relation.referencesSebe, N., Cohen, I., Huang, T., & Gard, A. (2005). Machine Learning in Computer Vision (Vol. 29). Berlin/Heidelberg: Springer-Verlag. https://doi.org/10.1007/1-4020-3275-7spa
dc.relation.referencesSuasnavas Males, P. A. (2016). Sistema de vigilancia usando cámaras de seguridad y drones en la finca “La María” de la UTEQ. Universidad de Guayaquil.spa
dc.relation.referencesSzeliski, R. (2011). Computer Vision: Algorithms & Applications, 5, 832. https://doi.org/10.1007/978-1-84882-935-0spa
dc.relation.referencesThamizhmathi, M., & Usharani, S. (2014). A survey of Forest Fire Detection Techniques. International Journal of Distributed Sensor Networks, 2(12), 7. Retrieved from http://journals.sagepub.com/doi/10.1155/2014/597368spa
dc.relation.referencesTorres Simón, F. J. (2017). El dron aplicado al sector audiovisual. Editorial Tébar Flores.spa
dc.relation.referencesUnión Internacional de Telecomunicaciones. (2012). Descripción general de Internet de los objetos. Sector de Normalización de las Telecomunicaciones de la UIT.spa
dc.relation.referencesVanko, J., Sousa, J. J., Adão, T., Pádua, L., Morais, R., Hruška, J., & Peres, E. (2017). UAS, sensors, and data processing in agroforestry: a review towards practical applications. International Journal of Remote Sensing, 38(8–10), 1–43. https://doi.org/10.1080/01431161.2017.1297548spa
dc.relation.referencesVanus, J., Martinek, R., Bilik, P., Zidek, J., Dohnalek, P., & Gajdos, P. (2016). New method for accurate prediction of CO2 in the Smart Home. In Conference Record - IEEE Instrumentation and Measurement Technology Conference (Vol. 2016-July). https://doi.org/10.1109/I2MTC.2016.7520562spa
dc.relation.referencesWang, K., Wang, Y., Zhang, J., & Zhang, Q. (2018). Fire Detection in Infrared Video Surveillance Based on Convolutional Neural Network and SVM (p. 1). Hefei.spa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001612751spa
dc.contributor.orcidhttps://orcid.org/0000-0001-5421-9890
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembIncendiosspa
dc.subject.lembMonitoreospa
dc.subject.lembVigilancia ambientalspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembInnovaciones tecnológicasspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.description.abstractenglishIn this grade work, a prototype monitoring system will be applied to forested areas and protected areas by implementing drones that carry out land recognition operations to generate real-time alerts through image recognition, seeking to solve the impact that forest ecosystems are suffering, mainly because of man and the lack of continuous surveillance that allows to detect a time of fires. A literature review was conducted that was relevant to the research points that were: convolutional neural networks, drones, forested areas and computer vision. Each of the topics were exposed with the direct relationship with the subject of study and thus define objectives and the selection of software and hardware technologies for its application. The training was applied to the neural network analyzing its behavior and learning by identifying three types of states: day fire, night fire, no fire. With the help of own and third-party datasets, tests were conducted with a controlled fire in the Morrorico neighborhood located in the east of Bucaramanga. This project starts a long way towards the care of forested areas, and serves as a complement in similar works concerning the classification of images by means of artificial intelligence, leaving as a precedent the need for the care of forests given the high impact that fires bring with him.spa
dc.subject.proposalDronspa
dc.subject.proposalVisión por computadorspa
dc.subject.proposalIncendio forestalspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalAprendizaje reforzadospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TPspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia