Esteban Olmo, Oscar2024-06-272024-06-272024-06-26https://hdl.handle.net/10115/35406Trabajo Fin de Grado leído en la Universidad Rey Juan Carlos en el curso académico 2023/2024. Directores/as: Leopoldo Carro CalvoEste proyecto se centra en el desarrollo de un clasificador automático de tipos de terreno utilizando redes neuronales convolucionales (CNN) y Python. El modelo se entrena con un conjunto de datos compuesto por 21 categorías de terreno, cada una con 500 imágenes· Este enfoque permite la clasificación precisa y eficiente de imágenes satelitales, mejorando significativamente la precisión en comparación con métodos tradicionales. El preprocesamiento de los datos incluye redimensión, normalización y aumento de datos, técnicas que mejoran el rendimiento del modelo. La evaluación del clasificador se realiza mediante métricas como precisión, recall y F1 score, demostrando una alta eficiencia en la clasificación de terrenos. A pesar de algunas limitaciones, como la dependencia de la calidad de las imágenes, los resultados obtenidos son prometedores y destacan el potencial del sistema para aplicaciones prácticas en el análisis geoespacial y el monitoreo ambiental.spaimágenessatelitalesclasificaciónredesneuronalesaprendizajeprofundoprocesamientosensoresremotosCNNKagglePythonTensorFlowKerasinfo:eu-repo/semantics/studentThesisinfo:eu-repo/semantics/embargoedAccess