Modelos de transfer learning y uso de vants de bajo peso y costo como herramientas para la planificación y evaluación de planes de restauración ecológica tras incendios forestales

Abstract

En este artículo se presenta el uso de Inteligencia Artificial para detectar y caracterizar el estado de la vegetación en zonas afectadas por incendios forestales. El corpus de datos se construyó a partir de las imágenes producidas por drones de bajo peso y costo, equipados con cámaras RGB. La metodología incluyó la captura de imágenes de alta resolución, la elección de los modelos de Aprendizaje Automático Profundo (Transfer learning, nativos para imágenes), el tratamiento de los datos, el entrenamiento y el testeo. Se muestran los avances, a modo de prueba de concepto, para analizar áreas afectadas por incendios en los bosques andinopatagónicos. Los resultados proporcionan información que permite evaluar estrategias para la recuperación de la vegetación tras incendios forestales.

This article describes the use of Artificial Intelligence to identify and characterize the condition of vegetation in areas impacted by forest fires. The data set was created from images captured by lightweight, inexpensive drones equipped with RGB cameras. The approach involves capturing high-resolution images, selecting Deep Machine Learning models (specifically designed for image analysis), data processing, as well as training and testing. As a proof of concept, progress is demonstrated through the analysis of fire-affected areas in the AndeanPatagonian forests. The findings offer valuable insights for evaluating strategies aimed at rehabilitating vegetation following forest fires.