Aplicaciones de la visión artificial como herramienta de gestión de riesgo aplicadas al monitoreo hidrometeorológico en el Valle de Aburrá.

Abstract

El presente estudio se llevó a cabo con el fin de desarrollar un sistema de visión por computador para monitoreo y control de variables de gran relevancia para la gestión del riesgo como la coloración en el río Medellín y sus afluentes, y para estimar el porcentaje cobertura de nubes usando una red de cámaras distribuidas en el Valle de Aburra. Para identificar problemas de coloración en el río se implementa un sistema de detección de colores basado en el canal HSV, enmascarando la región de interés en las fotos y se establecen rangos de detección para los colores rojo, verde, azul. Para obtener el porcentaje de nubosidad en cámaras fisheye se realiza la calibración del sensor para eliminar la distorsión del mismo, posteriormente se aplica la técnica SIFT para generar un panorama de regiones solapadas, se genera una matriz de entrenamiento basada en canales de color RGB, HSV y Cie L*a*b*, y descriptores de textura LBP para clasificar pixeles correspondientes a cielo y nube con el algoritmo SVM; y finalmente, se filtra el ruido producido por la luz solar en las cámaras. Para las imágenes nocturnas se aplica ecualización de histograma, luego se establece un umbral para separar las nubes del cielo y se corrigen errores de clasificación verificando la presencia de lluvia en la zona donde se encuentran las cámaras usando pluviómetros. Los resultados obtenidos para detección de color en río para efectos prácticos son satisfactorios dado que se tienen mayor número de aciertos que de fallos, sin embargo, bajo mejores condiciones de iluminación se pueden mejorar.

Abstract: The present study was made in order to develop a computer vision system to monitorize and control variables relevant variables risk management such as coloration in the Medellin river and to estimate the percentage of cloud cover using a fisheye camera network in the Aburra Valley. To identify color in the river, a color detection system based on the HSV color space is implemented, masking the region of interest in the photos and establishing detection ranges for the colors red, green, blue. To obtain the cloud cover percentage in fisheye cameras, the sensor calibration is done to remove its distortion, later the SIFT algorithm is applied to generate a panorama of overlapping regions in images, a training matrix is generated based on RGB, HSV and Cie L*a*b* color spaces and LBP texture descriptors, to classify pixels corresponding to sky and cloud with the SVM algorithm; and finally, the noise produced by sunlight in the cameras is filtered. For night images, histogram equalization is applied, then a threshold is established to separate the clouds from the sky and classification errors are corrected by verifying the presence of rain in the area where the cameras are located using rain gauges. The results obtained for river color detection for practical purposes are satisfactory given that there are more successes than failures, however, improving light conditions will help to reach better results