Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/13701
Título: Sistema detección de incendios forestales mediante inteligencia artificial
Autor: Ordoñez González, Brayan
Data: 2026-07-02
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Tecnológico de Estudios Superiores de Tianguistenco
Descrição: Los incendios forestales constituyen una amenaza constante a nivel mundial. Su impacto afecta la biodiversidad, la economía y la salud pública. En México, la Comisión Nacional Forestal (CONAFOR) reportó en 2023 una superficie afectada superior a 560,000 hectáreas (Comisión Nacional Forestal, 2025). Los métodos tradicionales de detección, como el patrullaje terrestre o la observación satelital, presentan limitaciones en la rapidez de respuesta. Con frecuencia, los incendios se identifican cuando ya alcanzan una extensión considerable. El presente trabajo tiene como propósito desarrollar e implementar un sistema de detección temprana de incendios forestales. La metodología se basa en el modelo CRISP-DM e incluye tres etapas. La primera consiste en la creación de un conjunto de imágenes con y sin presencia de fuego. La segunda contempla el diseño, entrenamiento y evaluación de arquitecturas de redes neuronales convolucionales (CNN), implementando específicamente el modelo YOLOv5, para la detección y clasificación en imágenes, La tercera corresponde al desarrollo de una plataforma web que integre el modelo de inteligencia artificial y automatice el envío de alertas mediante una API.
metadata.dc.type: info:eu-repo/semantics/bachelorThesis
Aparece nas colecções:INGENIERÍA EN SISTEMAS COMPUTACIONALES Tianguistenco O

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Tesis - brayan ordoñez gonzalez.pdfTesis7.2 MBAdobe PDFVer/Abrir
licencia de uso.pdf
  Until 2090-04-28
Licencia344.52 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons