Estado actual de las Redes Neuronales Convolucionales en la clasificación de cobertura vegetal a través de imágenes multiespectrales: un mapeo sistemático

Abstract

En los últimos años, la clasificación de la cobertura vegetal mediante redes neuronales convolucionales (CNN) ha emergido como una técnica avanzada para superar las limitaciones de los métodos tradicionales en la clasificación del uso del suelo. Este trabajo de titulación sintetiza el estado actual de las redes neuronales convolucionales (CNN) aplicadas a la clasificación de cobertura vegetal usando imágenes multiespectrales. En el transcurso de la fase de investigación, se identificaron 854 publicaciones en bases de datos científicas que se publicaron entre 2020 y 2024. De estos 854 estudios, se seleccionaron 38 que cumplieron con los criterios de inclusión y exclusión. El análisis de estos estudios permitió identificar una variedad de arquitecturas de CNN, incluidos modelos híbridos, U-Net, ResNet, VGGNet, FCN y DenseNet, así como las métricas reportadas y los sensores satelitales utilizados destacando Landsat y Sentinel. En la fase de evaluación y comparación, DenseNet demostró una precisión del 90.15% durante el entrenamiento, pero solo un 53.48% en la validación con datos reales. Por otro lado, los modelos híbridos alcanzaron un 89,91% de precisión durante el entrenamiento y del 57,88% durante la validación. La precisión promedio de las CNN varía significativamente según la arquitectura y el conjunto de datos, pero las imágenes de Landsat 8 tienen un promedio del 49.94%. Además, las técnicas de preprocesamiento de datos, como la combinación de bandas y la corrección de reflectancia atmosférica, tienen un impacto significativo en la mejora de la precisión. El trabajo demuestra que las CNN tienen un gran potencial para optimizar la detección temprana de cambios ambientales en la cobertura vegetal utilizando imágenes multiespectrales. Palabras clave: redes neuronales convolucionales, imágenes multiespectrales cobertura vegetal, aprendizaje profundo, mapeo sistemático