DETECCIÓN DE DERRAMES DE PETRÓLEO EN SAR MEDIANTE SWIN TRANSFORMER
Los derrames de petróleo representan una amenaza crítica para los entornos marinos y costeros, su rápida propagación daña ecosistemas frágiles, afecta actividades económicas y demanda detección oportuna. La teledetección con radar de apertura sintética (SAR) es idónea para este fin porque opera de día y de noche, bajo nubosidad y sobre grandes extensiones oceánicas. En este contexto, nuestro objetivo fue evaluar rigurosamente un modelo basado en Transformers para la segmentación semántica de manchas de petróleo, poniendo el acento en su adaptabilidad a condiciones variables de sensor, resolución y entorno. La propuesta integra el extractor Swin Transformer con UPerNet como cabeza de segmentación. El entrenamiento utiliza entropía cruzada binaria y se optimiza con JointLoss (BCE + SSIM + Dice) para equilibrar precisión de píxel, similitud estructural y consistencia de contornos. Para valorar su generalización, se realizó una evaluación cruzada en dos colecciones heterogéneas que abarcan bandas C y L, polarizaciones VV y HH/HV, resoluciones de 10–150 m y escenarios reales de derrames. Se comparó contra arquitecturas clásicas (U-Net con ResNet-50) y variantes de Transformers. Los resultados muestran que el modelo mantiene una detección consistente en presencia de speckle, viento elevado, brillo costero y patrones de mar de fondo; preserva contornos finos y es sensible a derrames no continuos con huecos. En métricas agregadas, supera a las líneas base en precisión, mIoU y F1-score; el empleo de JointLoss aporta mejoras promedio cercanas al 2 % respecto a la optimización solo con BCE en todos los conjuntos, reduciendo falsas alarmas y mejorando el delineamiento de bordes. Estas ganancias se sostienen sin ajuste específico por sensor, lo que indica una atención jerárquica efectiva para capturar dependencias de largo alcance. Además, el modelo ofrece tiempos de inferencia compatibles con despliegues en tiempo casi real sobre GPU de rango medio, lo que favorece su integración en flujos operativos de vigilancia marítima. Los hallazgos respalda la viabilidad del enfoque Swin + UPerNet como componente central de sistemas de monitorización ambiental y abre la puerta a la transferencia de conocimiento entre sensores y escenarios (p. ej., ajuste fino con pocas muestras), reduciendo el esfuerzo de reentrenamiento al incorporar nuevas plataformas SAR.
Palabras clave:
SAR; Swin Transformer; segmentación semántica; derrames de petróleo; adaptabilidad.