Implementación de una herramienta de detección de cortaderia selloana en ortofotos mediante técnicas de aprendizaje profundo

Abstract

En el norte de España y más concretamente en Cantabria existe un gran problema medioambiental con una planta invasora, la cortaderia selloana, un plumero originario de la Pampa sudamericana introducido como especie ornamental. Ocupa ambientes urbanos y rurales, mientras perjudica el crecimiento de especies autóctonas, tanto vegetales como animales, en espacios de gran valor ecológico. Debido a su capacidad de colonización y a la falta de concienciación ciudadana, su erradicación es complicada. En este proyecto se propone desarrollar una herramienta de detección de esta especie mediante el uso de ortofotos (procedentes de sitios web como SigPac o PNOA), con el objetivo de facilitar su posterior erradicación. Esto simplificará la adopción de medidas prioritarias en las zonas más afectadas, de acuerdo con los resultados que se obtengan. Para ello, se emplearán técnicas de aprendizaje profundo para desarrollar metodologías de detección y segmentación de plumero, mediante redes neuronales y máquinas de vectores de soporte. Se realizará un estudio de las diferentes redes neuronales para elegir la opción que obtenga mejores resultados de detección.

In the north of Spain and more specifically in Cantabria, there is a huge environmental problem related to an invasive plant called “cortaderia selloana”, which is a Pampas grass from La Pampa, South America, introduced as an ornamental plant. It invades urban places and rural environtments, while it harms the growth of native species, such as animals or plants, in places of big ecological value. Due to its colonization ability and the lack of public awareness, the eradication is difficult. This project proposed the development of a screening tool of this vegetation by using ortophotos (from websites like SigPac or PNOA), with the aim of facilitating its further eradication. It simplifies the adoption of priority measures in the most affected areas, according to the obtained results. Consequently, different deep learning techniques will be used to develop Pampa grass’ detection and segmentation methods, through neural networks and support vector machines. An analysis of the alternative neural networks will be made to select the option with the best detection results.