Clasificación de imágenes de radar usando una red neuronal convolucional

Fil: Vidal, Luciano. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Dunayevich, Paula, Cutraro, Federico, Rugna, Martín, Sacco, Maximiliano, Vidal, Luciano
Formato: Informe técnico
Lenguaje:Español
Publicado: Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos 2024
Materias:
RADARES METEOROLÓGICOS
CLASIFICACIÓN
SEGMENTACIÓN
APRENDIZAJE SUPERVISADO
RED NEURONAL
CONVOLUCIONAL
Acceso en línea:http://hdl.handle.net/20.500.12160/2792
Aporte de:
El Abrigo - Repositorio Institucional del Servicio Meteorológico Nacional (SMN) de Servicio Meteorológico Nacional (SMN)
id I63-R169-20.500.12160-2792
record_format dspace
institution Servicio Meteorológico Nacional (SMN)
institution_str I-63
repository_str R-169
collection El Abrigo - Repositorio Institucional del Servicio Meteorológico Nacional (SMN)
language Español
topic RADARES METEOROLÓGICOS
CLASIFICACIÓN
SEGMENTACIÓN
APRENDIZAJE SUPERVISADO
RED NEURONAL
CONVOLUCIONAL
spellingShingle RADARES METEOROLÓGICOS
CLASIFICACIÓN
SEGMENTACIÓN
APRENDIZAJE SUPERVISADO
RED NEURONAL
CONVOLUCIONAL
Dunayevich, Paula
Cutraro, Federico
Rugna, Martín
Sacco, Maximiliano
Vidal, Luciano
Clasificación de imágenes de radar usando una red neuronal convolucional
topic_facet RADARES METEOROLÓGICOS
CLASIFICACIÓN
SEGMENTACIÓN
APRENDIZAJE SUPERVISADO
RED NEURONAL
CONVOLUCIONAL
description Fil: Vidal, Luciano. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y Los Océanos; Argentina.
format Informe técnico
author Dunayevich, Paula
Cutraro, Federico
Rugna, Martín
Sacco, Maximiliano
Vidal, Luciano
author_facet Dunayevich, Paula
Cutraro, Federico
Rugna, Martín
Sacco, Maximiliano
Vidal, Luciano
author_sort Dunayevich, Paula
title Clasificación de imágenes de radar usando una red neuronal convolucional
title_short Clasificación de imágenes de radar usando una red neuronal convolucional
title_full Clasificación de imágenes de radar usando una red neuronal convolucional
title_fullStr Clasificación de imágenes de radar usando una red neuronal convolucional
title_full_unstemmed Clasificación de imágenes de radar usando una red neuronal convolucional
title_sort clasificación de imágenes de radar usando una red neuronal convolucional
publisher Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos
publishDate 2024
url http://hdl.handle.net/20.500.12160/2792
work_keys_str_mv AT dunayevichpaula clasificaciondeimagenesderadarusandounaredneuronalconvolucional
AT cutrarofederico clasificaciondeimagenesderadarusandounaredneuronalconvolucional
AT rugnamartin clasificaciondeimagenesderadarusandounaredneuronalconvolucional
AT saccomaximiliano clasificaciondeimagenesderadarusandounaredneuronalconvolucional
AT vidalluciano clasificaciondeimagenesderadarusandounaredneuronalconvolucional
_version_ 1832705199372763136
spelling I63-R169-20.500.12160-27922024-07-31T20:13:33Z Clasificación de imágenes de radar usando una red neuronal convolucional Dunayevich, Paula Cutraro, Federico Rugna, Martín Sacco, Maximiliano Vidal, Luciano RADARES METEOROLÓGICOS CLASIFICACIÓN SEGMENTACIÓN APRENDIZAJE SUPERVISADO RED NEURONAL CONVOLUCIONAL Fil: Vidal, Luciano. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y Los Océanos; Argentina. Fil: Dunayevich, Paula. Servicio Meteorológico Nacional; Argentina. Fil: Dunayevich, Paula. Servicio Meteorológico Nacional; Argentina. Fil: Cutraro, Federico. Servicio Meteorológico Nacional; Argentina. Fil: Rugna, Martin. Servicio Meteorológico Nacional; Argentina. Fil: Sacco, Maximiliano. Servicio Meteorológico Nacional; Argentina. Las observaciones meteorológicas, especialmente aquellas obtenidas mediante radares, desempeñan un papel fundamental en la comprensión y el pronóstico de los fenómenos atmosféricos. Este tipo de tecnología resulta crucial a la hora de monitorear los sistemas meteorológicos que pueden tener asociados fenómenos severos. Los radares tienen la capacidad de detectar diversas señales, como las generadas por aves, insectos, murciélagos y el terreno, agrupadas bajo la categoría de “ecos no meteorológicos”. Estas señales son útiles para determinar regiones de interés meteorológico, pero otras aplicaciones pueden considerarlas como ruido y por esta razón resulta de interés distinguirlas de los ecos meteorológicos. Es por eso que en este trabajo nos proponemos utilizar una red neuronal convolucional para segmentar y clasificar imágenes de radar en ecos meteorológicos, ecos no meteorológicos y N/D (No Dato). Para realizar una evaluación inicial del modelo, utilizamos un dataset que contiene imágenes per- tenecientes a 5 radares del sistema NEXRAD ubicados en una región de Estados Unidos que presenta similitudes meteorológicas con la República Argentina. Los primeros resultados indican que la elección de una red neuronal convolucional con una arquitectura U-Net fue acertada a la hora de abordar este tipo de problema, tal y como in- dican el accuracy y f1-score obtenidos para el modelo. Asimismo, sugieren que nuestros esfuerzos futuros deben concentrarse en ampliar el dataset de manera tal de obtener una mayor representación de píxeles clasificados como ecos meteorológicos y no meteorológicos, y en disminuir la clasificación de ecos no meteorológicos como N/D. Meteorological observations, especially those obtained by radar, play a fundamental role in the understanding and forecasting of atmospheric phenomena. This type of technology is crucial when monitoring weather systems that may have severe phenomena associated with them. Radars have the ability to detect various types of signals such as those generated by birds, insects, bats and terrain, grouped under the category "non-meteorological echoes". These signals are useful for determining regions of meteorological interest, but other applications may consider them as noise and for this reason it is of interest to distinguish them from meteorological echoes. That is why in this work we propose to use a convolutional neural network to segment and classify radar images into meteorological echoes, non-meteorological echoes and N/D (No Data). To perform an initial evaluation of the model, we use a dataset containing images belonging to 5 radars of the NEXRAD system located in a region of the United States that presents meteorological similarities with the Argentine Republic. The first results indicate that the choice of a convolutional neural network with a U-Net architecture was the right one to address this type of problem, as indicated by the accuracy and f1-score obtained for the model. They also suggest that our future efforts should concentrate on enlarging the dataset in order to obtain a larger representation of pixels classified as meteorological and non-meteorological echoes, and on decreasing the classification of non-meteorological echoes as N/D. 2024-07-03T14:13:32Z 2024-07-03T14:13:32Z 2024-06 Informe técnico Dunayevich, P., F. Cutraro, M. Rugna, M. Sacco y L. Vidal, 2024: Clasificación de imágenes de radar usando una red neuronal convolucional. Nota Técnica SMN 2024-173. http://hdl.handle.net/20.500.12160/2792 spa info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by/2.5/ar/ info:eu-repo/semantics/openAccess application/pdf Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos

Ejemplares similares