Browsing by Author "Valles Cancela, José Ignacio (advisor)"

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    Aplicación de técnicas de aprendizaje profunda a la localización y seguimiento de objetos flotantes empleando drones con cámara
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2023-04-30) Álvarez San Martín, José; González Prieto, José Antonio (advisor); Valles Cancela, José Ignacio (advisor)
    Este TFG surge de la necesidad por parte de las marinas, tanto civiles como militares, de disponer de medios prácticos y asequibles que les permitan alcanzar un mayor espectro de visión y comprensión de su entorno marino. Para afrontar esta situación, este trabajo busca desarrollar un modelo de aprendizaje automático que sea integrable a una plataforma aérea de pequeño porte; el fin será, desde una perspectiva aérea, localizar, identificar, y realizar seguimiento de los distintos objetos que se encuentren flotando en la mar. Para la creación de este modelo se aplican técnicas de aprendizaje profundo, trabajando con el algoritmo YOLO, y se le entrena sobre bases de datos creadas para focalizar al sistema en el entorno marítimo, haciendo especial énfasis en su ámbito militar. Así mismo, se realizan actualizaciones de estas bases de datos, según se observan carencias en el modelo, y se reentrena para integrar las nuevas aportaciones. Este sistema será exportado a una plataforma portátil que pueda acoplarse a un dron de pequeño tamaño, que se concluye como la plataforma que mejor cumple con los requerimientos circunstanciales. Una vez desarrollado el modelo, se analizan los resultados de su aplicación y se plantean futuras mejoras y líneas de actuación.
  • No Thumbnail Available
    Item
    Aplicación de técnicas de aprendizaje profundo a la localización y seguimiento de objetos flotantes empleando drones con cámara
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2023-04-30) Álvarez San Martín, José; González Prieto, José Antonio (advisor); Valles Cancela, José Ignacio (advisor)
    Este TFG surge de la necesidad por parte de las marinas, tanto civiles como militares, de disponer de medios prácticos y asequibles que les permitan alcanzar un mayor espectro de visión y comprensión de su entorno marino. Para afrontar esta situación, este trabajo busca desarrollar un modelo de aprendizaje automático que sea integrable a una plataforma aérea de pequeño porte; el fin será, desde una perspectiva aérea, localizar, identificar, y realizar seguimiento de los distintos objetos que se encuentren flotando en la mar. Para la creación de este modelo se aplican técnicas de aprendizaje profundo, trabajando con el algoritmo YOLO, y se le entrena sobre bases de datos creadas para focalizar al sistema en el entorno marítimo, haciendo especial énfasis en su ámbito militar. Así mismo, se realizan actualizaciones de estas bases de datos, según se observan carencias en el modelo, y se reentrena para integrar las nuevas aportaciones. Este sistema será exportado a una plataforma portátil que pueda acoplarse a un dron de pequeño tamaño, que se concluye como la plataforma que mejor cumple con los requerimientos circunstanciales. Una vez desarrollado el modelo, se analizan los resultados de su aplicación y se plantean futuras mejoras y líneas de actuación.
  • No Thumbnail Available
    Item
    Desarrollo de una plataforma de realidad aumentada de bajo coste para la investigación en aplicaciones de visión artificial
    (Centro Universitario de la Defensa en la Escuela Naval Militar, 2024-04-30) Egido Oliver, Julio; González Prieto, José Antonio (advisor); Valles Cancela, José Ignacio (advisor)
    La Realidad Aumentada (RA) es una tecnología en pleno auge, que se caracteriza por ser capaz de agregar información virtual a la realidad física. En la actualidad, la seguridad portuaria enfrenta desafíos debido al incremento del tráfico marítimo. La integración de estas nuevas herramientas, junto con Deep Learning (DL), podrían mejorar la vigilancia y seguridad marítima. Se justifica, la elección del algoritmo YOLO para el presente trabajo, por su precisión y reducido tamaño, que favorecen respuestas rápidas en tiempo real. En cuanto a la metodología, se contempla la creación de un dataset, un entrenamiento de modelos de visión artificial y validación de resultados para detección y seguimiento de embarcaciones. Además, cabe destacar cómo la integración de sistemas de seguimiento visual con datos AIS, enriquece la vigilancia marítima, permitiendo una interfaz más completa y precisa para la vigilancia virtual. La combinación de RA y DL permite ofrecer una solución al problema planteado, permitiendo mejorar la eficiencia y precisión de un sistema de vigilancia portuaria.