1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET
6. Tesis Doctorado
7. Tesis de Doctorado en Computación

Título:	Aprendizaje profundo para la navegación aérea en entornos naturales desconocidos
Autor:	Romero Lugo, Alexandra
metadata.dc.subject.other:	Aprendizaje profundo, estimación de profundidad monocular, VANTs, drones, deep learning, depth maps, navegación aérea, evasión obstáculos
Data:	2025-02-06
Editora:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição:	El cambio climático afecta significativamente a múltiples sectores, incluida la seguridad alimentaria; por lo tanto, las industrias alimentarias, las comunidades agrícolas y los científicos vinculados al sector agrícola deben implementar nuevos procesos o adaptar adecuadamente los existentes para hacer frente a los desafíos actuales. Aparte del cambio climático se tienen que atender retos como, las áreas de cultivo limitadas, la necesidad de agua dulce y una población en constante crecimiento. Una solución factible es implementar servicios de Tecnologías de la Información y la Comunicación, en especial con apoyo de Vehículos Aéreos No Tripulados (VANTs) combinado con el análisis de información e imágenes, lo que puede proporcionar soluciones prometedoras para la Agricultura de Precisión (AP). La Agricultura de Precisión consiste en usar técnicas de sensores remotos y análisis de imágenes, para obtener índices de la vegetación y las condiciones de estrés, permitiendo así prevenir la perdida de cultivos y mejorar el rendimiento de manera más eficiente. Actualmente el uso de VANTs en el sector de la agricultura ha ido aumentado; debido a que son una solución apropiada para realizar aplicaciones de monitoreo o fumigación. Los pequeños VANTs mejor conocidos como drones se caracterizan por ser una solución económica, ya que son capaces de proveer imágenes monoculares de alta calidad. Cabe mencionar que la Asociación Internacional de Sistemas de Vehículos No Tripulados, AUVSI por sus siglas en inglés, menciona que el 80% de los VANTs se utilizarán para fines agrícolas en el futuro cercano. No obstante, debido a que los VANTs tienen una toma de decisiones limitada estos solo pueden operar en altas altitudes. Para lograr navegar a bajas altitudes autónomamente, estos requieren la capacidad de responder a una serie de condiciones para prevenir choques. Una de las principales funcionalidades que se requiere es que sean capaces de evadir obstáculos; normalmente este problema es tratado usando sensores de distancia, escáner láser y sonar; sin embargo, estos suelen capturar limitada información, ser costoso, pesados y/o con alto consumo de energía y se pueden usar en ciertas plataformas. En el contexto específico de la evasión autónoma de colisiones, las técnicas de Aprendizaje Profundo (DL, por sus siglas en inglés Deep Learning) han demostrado su eficacia. Estas técnicas resuelven una amplia variedad de tareas robóticas en áreas como percepción, planificación, posicionamiento y control, que implican el aprendizaje de comportamientos complejos. Por lo anterior, se propone utilizar el Aprendizaje Profundo para permitir a un vehículo aéreo evadir obstáculos de forma autónoma en diferentes tipos de ambientes externos, usando como sensor de percepción una cámara monocular RGB debido a su bajo costo y su tamaño pequeño.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Aparece nas colecções:	Tesis de Doctorado en Computación

Este registo está protegido por copyright original. Ver licença

Este registo está protegido por Licença Creative Commons