CLASIFICACIÓN AUTOMÁTICA DE IMÁGENES PARA EL MONITOREO DEL VOLCÁN POPOCATÉPETL UTILIZANDO APRENDIZAJE PROFUNDO
El monitoreo oportuno y preciso de la actividad volcánica es fundamental para la gestión del riesgo y la toma de decisiones operativas en caso de erupciones. En México, el Volcán Popocatépetl es uno de los más activos y cercano a zonas densamente pobladas. Sin embargo, el monitoreo de este volcán se realiza de forma manual con base en imágenes satelitales y aéreas, cámaras de video e infrarrojas, así como sensores térmicos e infrasónicos. Considerando el impacto social del monitoreo volcánico y el avance en las técnicas automáticas de inteligencia artificial, este estudio propone un modelo de aprendizaje profundo como herramienta complementaria para el monitoreo del Volcán Popocatépetl. El trabajo presenta los resultados de la aplicación de un modelo de redes neuronales artificiales, con arquitectura ”Transformer” para visión computacional, sobre imágenes fotográficas (espectro visible) del Popocatépetl. Los resultados obtenidos sobre un total de 240,392 imágenes, etiquetadas en una de cuatro categorías según el estado del volcán, fueron métricas individuales por clase y agrupadas superiores al 98% de exactitud, precisión, sensibilidad (”Recall”) y puntaje F1. Los hallazgos de este estudio ayudan a mejorar la eficiencia y la eficacia en la alerta temprana para las personas dentro de la zona de riesgo, agilizando los reportes y mejorando la respuesta ante cambios en la actividad del volcán, especialmente los que se generan en un intervalo de tiempo corto.