Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.ucuenca.edu.ec/handle/123456789/38476
Título : | Determinación del índice de electrificación mediante el procesamiento de imágenes satelitales para la zona rural del área de concesión de la Empresa Eléctrica Regional Centro Sur. C.A. |
Título Uniforme: | DETERMINACIÓN DEL ÍNDICE DE ELECTRIFICACIÓN MEDIANTE EL PROCESAMIENTO DE IMÁGENES SATELITALES PARA LA ZONA RURAL DEL ÁREA DE CONCESIÓN DE LA EMPRESA ELÉCTRICA REGIONAL CENTRO SUR.C.A. |
Autor: | Paredes Cajamarca, Héctor Bayron Tamayo Saquicela, Anghela Nicole |
Director(es): | Sanango Fernández, Juan Bautista |
Tutor(es): | Zambrano Asanza, Sergio Patricio |
Correspondencia: | bayronpc1004@hotmail.com atamayosaquicela@gmail.com |
Materia: | Recursos energéticos |
Palabras clave : | Ingeniería Eléctrica Electrificación Imágenes satelitales |
Área de conocimiento UNESCO amplio: | 33 Ciencias Tecnológicas |
ÁArea de conocimiento UNESCO detallado: | 3306.04 Iluminación Eléctrica |
Área de conocimiento UNESCO específico: | 3306 Ingeniería y Tecnología Eléctricas |
Fecha de publicación : | 9-mar-2022 |
Paginación: | 20 páginas |
Editor: | Universidad de Cuenca |
Ciudad: | Cuenca |
Código Interno : | TE;490 |
Tipo: | bachelorThesis |
Abstract: | The importance of addressing the use of technological tools to solve problems facing society is
becoming more and more evident. Among these problems is the determination of the electrification
index, an indicator that allows measuring the level of access to electricity. In Ecuador, finding this
metric is limited to census applications that are expensive and require a large number of staff.
Thus, in the present work, Deep Learning was applied for the analysis of satellite images in the
ArcGIS Pro software. The objective is to extract the traces of the houses in 18 parishes of the
Cuenca canton as a representative sample of the rural concession area of the “Empresa Eléctrica
Regional Centro Sur” (Centrosur). For this, it is proposed to work with Convolutional Neural
Networks, using the Mask-RCNN model, obtaining results with an average precision of
approximately 94% and an F1 Score of 84%. Finally, the metric corresponding to the electrification
index is calculated and a comparison is made with the statistics provided by the “Instituto Nacional
de Estadística y Censos” (INEC). |
Resumen : | La importancia de abordar el uso de herramientas tecnológicas para solventar problemáticas a
las que la sociedad se enfrenta cada vez resulta más notoria. Dentro de estos problemas se puede
encontrar la determinación del índice de electrificación, indicador que permite medir el nivel de
acceso a la energía eléctrica. En Ecuador, encontrar esta métrica se limita a la aplicación de
censos que resultan costosos y requieren de grandes cantidades de personal. Así, en el presente
trabajo se aplicó Deep Learning para el análisis de imágenes satelitales en el software ArcGIS
Pro, cuyo objetivo implica extraer las huellas de las viviendas en 18 parroquias del cantón Cuenca
como muestra representativa del área rural de concesión de la Empresa Eléctrica Regional Centro
Sur (Centrosur). Para esto se propone trabajar con Redes Neuronales Convolucionales, utilizando
el modelo Mask-RCNN, obteniéndose resultados con una precisión promedio de
aproximadamente el 94% y un F1 Score del 84%. Finalmente se calcula la métrica
correspondiente al índice de electrificación y se realiza una comparación con las estadísticas
proporcionadas por el Instituto Nacional de Estadística y Censos (INEC). |
Grado Académico: | Ingeniero Eléctrico |
URI : | http://dspace.ucuenca.edu.ec/handle/123456789/38476 |
Aparece en las colecciones: | Tesis de Pregrado
|