Detección de anomalías visuales en terrenos propensos a deslizamientos mediante análisis multitemporal de imágenes de punto fijo

Sánchez Martínez, Fabián David

Publicación:
Detección de anomalías visuales en terrenos propensos a deslizamientos mediante análisis multitemporal de imágenes de punto fijo

dc.contributor.advisor	Saldarriaga Aristizábal, Pablo Andrés
dc.contributor.advisor	Arbeláez Estrada, Juan Carlos
dc.contributor.author	Sánchez Martínez, Fabián David
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.creator.email	fdsanchezm@eafit.edu.co
dc.creator.email	deudace3@hotmail.com
dc.date.accessioned	2026-05-26T20:31:05Z
dc.date.available	2026-05-26T20:31:05Z
dc.date.issued	2026
dc.description	Los movimientos de masa representan un alto riesgo en áreas propensas a deslizamientos y otros fenómenos geotécnicos, afectando tanto la infraestructura (por ejemplo, viviendas, redes viales y construc-ciones) como la seguridad humana. Sin embargo, los sistemas tradicionales de monitoreo basados únicamente en sensores presentan limitaciones para detectar cambios visuales tempranos en el terreno que podrían prece-der a estos eventos. Además, existen desafíos específicos que este proyecto busca abordar, como la falta de datos etiquetados, el fuerte desbalance de clases entre imágenes normales y anómalas, la variabilidad ambien-tal (debida a condiciones de iluminación, sombra o lluvia) y la desalineación entre las imágenes, causada por ligeros desplazamientos en las cámaras. Estas condiciones dificultan la construcción de modelos supervisados convencionales debido al tiempo, costo y esfuerzo que implica el etiquetar datos. Por este motivo este estudio se orienta hacia el uso de técnicas no supervisadas para la detección de anomalías visuales. Este estudio se enfoca en analizar imágenes provistas por el Sistema de Alerta Temprana del Valle de Aburrá (SIATA) de diferentes estaciones, con el fin de identificar anomalías o cambios en el suelo y el terreno en general, a fin de que un experto pueda validar si estas constituyen un peligro. A través del análisis de imágenes multitemporales y la aplicación de técnicas de visión por computador, se procesan secuencias de imágenes que permiten detectar cambios inusuales en la textura, el color, la vegetación e incluso la morfología del terreno. Estos cambios se cuantifican mediante métodos estadísticos y modelos de detección de anomalías, lo que permite priorizar las regiones que requieren la verificación de un experto. Los resultados preliminares muestran que los modelos de visión artificial alcanzaron desempeños consistentes en la detección de anomalías. Entre ellos, DINOv2-ViT-L/14 que obtuvo los mejores valores, con una Preci-sion del 0.51, Recall del 0.47, F1-Score de 0.49 y un Acurracy de 0.82. Estos resultados sugieren que es posible identificar indicios de cambios inminentes en el suelo y generar alertas basadas en cambios específicos observados en las imágenes. Estas conclusiones proporcionan un enfoque innovador y a su vez complemen-tario a los sistemas de monitoreo tradicionales, fortaleciendo la gestión de riesgo y prevención de desastres en zonas previamente marcadas como propensas a deslizamientos.
dc.description.degreelevel	Maestría	spa
dc.description.degreename	Magíster en Ciencias de Datos y Analítica	spa
dc.format.mimetype	application/pdf
dc.identifier.instname	instname:Universidad EAFIT
dc.identifier.reponame	reponame:Repositorio Institucional Universidad EAFIT
dc.identifier.repourl	repourl:https://repository.eafit.edu.co
dc.identifier.uri	https://hdl.handle.net/10784/37558
dc.language.iso	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Área Computación y Analítica	spa
dc.publisher.faculty	Escuela de Ciencias Aplicadas e Ingeniería	spa
dc.publisher.place	Medellín
dc.publisher.program	Maestría en Ciencias de los Datos y Analítica	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess
dc.rights.coar	http://purl.org/coar/access_right/c_abf2
dc.rights.local	Acceso abierto
dc.subject	Detección de anomalías
dc.subject	Visión por computador
dc.subject	Imágenes multitemporales
dc.subject	Aprendizaje au-tomático
dc.subject	SIATA
dc.subject	Gestión de riesgos
dc.subject.lemb	MECÁNICA DE ROCAS - EVALUACIÓN - VALLE DE ABURRÁ (ANTIOQUIA, COLOMBIA)
dc.subject.lemb	ALUDES - COLOMBIA
dc.subject.lemb	DESPRENDIMIENTOS DE TIERRA - VALLE DE ABURRÁ (ANTIOQUIA, COLOMBIA)
dc.subject.lemb	PREVENCIÓN DE DESASTRES - INNOVACIONES TECNOLÓGICAS - VALLE DE ABURRÁ (ANTIOQUIA, COLOMBIA)
dc.subject.lemb	REDES NEURALES (COMPUTADORES)
dc.title	Detección de anomalías visuales en terrenos propensos a deslizamientos mediante análisis multitemporal de imágenes de punto fijo
dc.type	info:eu-repo/semantics/masterThesis
dc.type.coar	http://purl.org/coar/resource_type/c_bdcc
dc.type.coarversion	http://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.local	Tesis de Maestría	spa
dc.type.redcol	http://purl.org/redcol/resource_type/TM
dc.type.spa	Artículo
dc.type.version	info:eu-repo/semantics/acceptedVersion
dspace.entity.type	Publication