RT Generic
T1 Inteligencia artificial aplicada a detección de objetivos pequeños por luz infrarroja
T2 Artificial intelligence applied to small target detection using infrared light
A1 Navajas Ortega, Antonio
K1 Informática - Trabajos Fin de Grado
K1 Grado en Ingeniería del Software - Trabajos Fin de Grado
AB La identificación de pequeños objetivos en imágenes infrarrojas es esencial enámbitos como la vigilancia, la industria aeroespacial y la medicina. Estas imágenescapturan la radiación térmica emitida por los objetos, lo que las hace valiosas encondiciones de baja visibilidad o en entornos con fondos complejos. Sin embargo,la detección de estos objetivos es complicada debido al bajo contraste, la elevadainterferencia y el tamaño reducido de los elementos de interés respecto al totalde la imagen.Este proyecto analiza el rendimiento de modelos de aprendizaje profundo diseñadospara detectar pequeños objetivos en imágenes infrarrojas. Se utilizaronredes neuronales convolucionales (CNN) por su capacidad para aprender patronesespaciales y contextuales complejos. Se evaluaron distintas arquitecturas yse ajustaron para lograr un equilibrio entre precisión y eficiencia computacional.Además, se realizó un análisis detallado de las métricas de rendimiento y larobustez de los modelos evaluados.También se exploraron técnicas de preprocesamiento para mejorar los resultados,como la división del conjunto de datos según el tipo de imagen y la segmentaciónen mosaicos. Estas estrategias permiten adaptar el procesamiento alas particularidades de cada grupo y mejorar la detección en regiones pequeñas,incrementando así la precisión general.Este trabajo busca ofrecer soluciones prácticas y escalables mediante tecnologíaavanzada, abordando los desafíos de la detección de pequeños objetivos enimágenes infrarrojas. La combinación de modelos optimizados, preprocesamientoadaptado y evaluación rigurosa permite avanzar en aplicaciones donde la precisiónen condiciones adversas es crítica.
YR 2025
FD 2025-06
LK https://hdl.handle.net/10630/44946
UL https://hdl.handle.net/10630/44946
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 27 feb 2026