Mobirise

Publicación semestral   • ISSN 2683-2968   •  Noviembre 2023   •  Número de revista 8

 Plataforma de IA UNAM-HUAWEI para el mapeo de inundaciones mediante imágenes satelitales

Fernando Pech May

• Resumen  • I Introducción • II Creación del proyecto 
• III Plataforma UNAM-HUAWEI para análisis de cuerpos de imágenes satelitales
• IV Oportunidades de la plataforma UNAM-HUAWEI
  • V Conclusiones  • Referencias • [Versión PDF] 

3/6

III Plataforma UNAM-HUAWEI para análisis de cuerpos de imágenes satelitales

La convocatoria estuvo dirigida al apoyo de proyectos sociales utilizando el aprendizaje profundo. La convocatoria provee recursos de hardware suficientes para el desarrollo de aplicaciones relacionadas con la Inteligencia Artificial. Facilitando con esta plataforma el análisis y procesamiento de datos masivos a través de la nube.  

  1. Recursos de cómputo de alto rendimiento. Huawei posee plataformas de cómputo con procesadores para Inteligencia Artificial, lo que permite obtener alto rendimiento en el entrenamiento de algoritmos de aprendizaje profundo.
  2. Herramientas y certificaciones para fortalecer al grupo de trabajo. Huawei ofrece una plataforma de desarrollo y de implementación de modelos de IA. Asimismo, una serie de librerías y códigos fuentes que pueden ser adaptados a cada proyecto. Asimismo, cursos y/o certificaciones relacionadas con aprendizaje automático, aprendizaje profundo, internet de las cosas, análisis de imágenes, entre otros. Lográndose con estas fortalecer al equipo de trabajo.
  3. Capacitación para entender el impacto socio-ambiental del proyecto. Identificación de los Objetivos de Desarrollo Sostenible (ODS), metas e indicadores relacionados a nuestro proyecto, así como los actores relacionados al mismo. 
  4. Capacitación para el uso de la plataforma HUAWEI IA. A través de esta se logró la capacitación del grupo de investigación en la plataforma HUAWEI, con una arquitectura que ofrece soluciones de infraestructura con IA.

A través de estos recursos de hardware, ha sido posible utilizar redes neuronales convolucionales facilitándose el manejo de imágenes a gran escala y complejidad con el uso de los equipos Ascend de Huawei.
Por otro lado, es importante destacar el uso de nuevos marcos de herramientas, como MidSpore, que facilitan el desarrollo de aplicaciones de IA. Esto ha permitido una reducción y facilidad en su desarrollo, ejecución eficiente, y la posibilidad de adaptabilidad en cualquier escenario de nuestro proyecto. Asimismo, el ahorro de tiempo para la creación de los modelos de red neuronal y su compatibilidad con distintas herramientas como PyTorch, Tensorflow, etc. pero con el aprovechamiento máximo de la potencia de cálculo de los procesadores Ascende de IA.

Entre los procesos realizados, a través de la plataforma HUAWEI, para la detección de cuerpos de agua destacan: 

  • Creación de muestras de entrenamiento. Se utilizaron imágenes tipo SAR (radar de apertura sintética) de inundaciones en el estado de Tabasco de años anteriores. Se realizó la recolección de muestras obteniendo un conjunto de 1036 muestras repartidas en los diferentes escenarios utilizados en las imágenes satelitales. Una vez establecidas las muestras, se debe proceder a la exportación de los datos de entrenamiento.
  • Entrenamiento del modelo. Se genera un modelo basado en Aprendizaje Profundo usando como datos de entrada la colección de muestras que fueron dispuestas para el proceso de entrenamiento. En la fase de aprendizaje del modelo propuesto en este trabajo, se utilizaron redes neuronales convolucionales del tipo U-Net [5].
  • Validación y optimización del modelo. Se realizó la ejecución del modelo entrenado en el paso anterior para la clasificación de zonas con presencia de inundaciones sobre las imágenes satelitales SAR de entrada.

En la Figura 4 se muestra un ejemplo de procesamiento de imágenes SAR. En la Figura 5 se aprecia una muestra del mapeo de cuerpos de agua e inundaciones.

Fig. 4. Procesamiento de imágenes SAR utilizado en el proyecto de la convocatoria UNAM-HUAWEI. Izquierda: capa de diferencia, las áreas brillantes indican un cambio alto, las áreas oscuras poco cambio. Derecha: capa de extensión de inundación resultante aplicando un umbral de 1,25.

Fig. 4. Procesamiento de imágenes SAR utilizado en el proyecto de la convocatoria UNAM-HUAWEI. Izquierda: capa de diferencia, las áreas brillantes indican un cambio alto, las áreas oscuras poco cambio. Derecha: capa de extensión de inundación resultante aplicando un umbral de 1,25. 

Fig. 5. Imágenes de muestra del mapeo e identificación de cuerpos de agua e inundación en la región Ríos de Tabasco en el proyecto de la convocatoria UNAM-HUAWEI. Izquierda: cuerpos de agua en temporada seca 2020. Derecha: cuerpos de agua y áreas inundadas.

Fig. 5. Imágenes de muestra del mapeo e identificación de cuerpos de agua e inundación en la región Ríos de Tabasco en el proyecto de la convocatoria UNAM-HUAWEI. Izquierda: cuerpos de agua en temporada seca 2020. Derecha: cuerpos de agua y áreas inundadas. 

Fecha de recepción: julio de 2023
Fecha de publicación: noviembre de 2023

• Resumen  • I Introducción • II Creación del proyecto 
• III Plataforma UNAM-HUAWEI para análisis de cuerpos de imágenes satelitales
• IV Oportunidades de la plataforma UNAM-HUAWEI
  • V Conclusiones  • Referencias • [Versión PDF] 

TIES, REVISTA DE TECNOLOGÍA E INNOVACIÓN EN EDUCACIÓN SUPERIOR (www.ties.unam.mx) 2023, Año 4, No. 7, marzo 2023, es una publicación semestral editada por la Universidad Nacional Autónoma de México (UNAM), Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, a través de la Dirección General de Cómputo y de Tecnologías de Información y Comunicación, (DGTIC), Circuito Exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, Teléfono: (55) 56228166, https://www.ties.unam.mx, revista.ties@unam.mx. Editor responsable: Mtra. Lizbeth Luna González. Número de reserva de Derechos de Autor otorgado por INDAUTOR: 04-2019-011816190900-203 ISSN: 2683-2968, ambos otorgados por el Instituto Nacional del Derecho de Autor. Responsable de la última actualización de este número, Dirección General de Cómputo y de Tecnologías de Información y Comunicación, (DGTIC). Circuito Exterior s/n, Ciudad Universitaria, Alcaldía Coyoacán, C.P. 04510, Ciudad de México, fecha de la última modificación, diciembre de 2022. El contenido de los artículos es responsabilidad de los autores y no refleja el punto de vista de los árbitros, del Editor o de la UNAM. Se autoriza la reproducción total o parcial de los textos aquí publicados siempre y cuando se cite la fuente completa y la dirección electrónica de la publicación. La revista se ha desarrollado sin fines de lucro, con finalidades de diseminación del conocimiento, bajo licencia Creative Commons Reconocimiento-NoComercial (CC BY-NC-SA 4.0). Hecho en México, 2023.

‌

HTML Code Generator