La cartografía de la vegetación urbana está experimentando una transformación radical gracias a los avances en la inteligencia artificial y la tecnología de imágenes por vehículos aéreos no tripulados (UAV). Investigadores han desarrollado un modelo mejorado de DeepLabV3+, específicamente adaptado para la clasificación precisa de la vegetación urbana a partir de imágenes capturadas por UAV. Este enfoque innovador aborda problemas comunes en la teledetección, como la clasificación errónea y las omisiones, especialmente en áreas urbanas complejas.
La mejora del modelo DeepLabV3+ incorpora ingeniería de características a través del algoritmo ReliefF, proporcionando al modelo de aprendizaje profundo características de muestra más detalladas. Las actualizaciones incluyen una nueva red principal (MobileNetV2), ajustes en las tasas de agrupación y la integración de mecanismos de atención, lo que resulta en una precisión superior en comparación con otras redes en términos de precisión general, puntuación MarcoF1 y la media de la intersección sobre la unión.
La innovación en la cartografía de la vegetación urbana se logra a través de la mejora del modelo DeepLabV3+ y la tecnología de imagen por UAV, marcando un hito en la planificación y gestión ambiental urbana.
Este método avanzado promete ser una solución prometedora para el mapeo rápido y preciso de la vegetación urbana, esencial para la planificación urbana y la gestión ambiental. La capacidad de clasificar finamente la vegetación urbana con alta precisión es crucial para comprender y mejorar los ecosistemas urbanos, influenciando positivamente el patrón del paisaje urbano, desde la absorción de ruido hasta la mitigación del efecto de isla de calor urbano.
Los experimentos realizados con conjuntos de datos de muestras autoconstruidos demuestran que el método propuesto supera a las redes FCN, U-Net y ShuffleNetV2 en términos de índices de evaluación de precisión, alcanzando un 92.27%, 91.48% y 85.63% en precisión general, MarcoF1 y media de intersección sobre la unión, respectivamente. Además, los resultados de la segmentación son precisos y completos, lo que alivia eficazmente las clasificaciones erróneas y las omisiones de la vegetación urbana, demostrando además una capacidad de migración que permite una clasificación rápida y precisa de la vegetación.
Este avance en la cartografía de la vegetación urbana no solo mejora nuestra capacidad para monitorear y gestionar los espacios verdes urbanos, sino que también establece un nuevo estándar en la aplicación de tecnologías de IA y UAV en la teledetección y la planificación urbana.
Alucina con Paréntesis. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación.
