projects:Detalles del proyecto

Detección automática de torres de enfriamiento aplicando aprendizaje profundo

Reto

El reto de este proyecto era automatizar la detección de torres de enfriamiento de aire acondicionado en una región utilizando una base de datos de series temporales de ortofotos, junto con un conjunto de datos de entrenamiento que contaba con características anotadas y geolocalizadas. Las imágenes utilizadas, capturadas semestralmente desde 2004, contenían resoluciones variables a lo largo de los años, lo que dificultó el análisis. La tarea no era solo desarrollar un modelo de aprendizaje profundo capaz de reconocer y señalar con precisión las torres de enfriamiento a partir de estas ortofotos, sino también optimizar el conjunto de datos en función del modelo elegido. Las aproximaciones tradicionales para la detección, implicaban análisis manuales que suponen invertir una cantidad sustancial de tiempo y de recursos, por lo que era necesario encontrar una solución más eficiente y precisa.

Solución

Randbee Consultants abordó este desafío aprovechando el poder de YOLO, un modelo de detección de objetos de última generación. El equipo primero llevó a cabo un procesamiento previo de las ortofotos para estandarizarlas, independientemente de los cambios en la resolución a lo largo de los años. Luego entrenaron el modelo con el conjunto de datos proporcionado, que había sido optimizado para este modelo específico. El modelo de aprendizaje profundo desarrollado fue capaz de identificar y señalar las torres de enfriamiento automáticamente, lo que mejoró en gran medida la precisión de la detección. Esta solución innovadora ahorró mucho tiempo y recursos, haciendo que el proceso de detección de torres de enfriamiento de aire acondicionado en una región determinada sea eficiente y altamente preciso.

Cliente

  • Private Sector

Categoría

AI, Análisis de datos