Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos
Este proyecto de investigación en desarrollo plantea una metodología para el monitoreo en tiempo real de variables hidráulicas y la visualización de eventos hidrológicos en canales urbanos, utilizando un sistema sin contacto con el agua. En este se integra la utilización de cámaras de seguridad y e...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidad Central del Ecuador
2025-05-01
|
| Series: | Siembra |
| Subjects: | |
| Online Access: | https://revistadigital.uce.edu.ec/index.php/SIEMBRA/article/view/8298 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850183726078623744 |
|---|---|
| author | Andrés Felipe Hatum Ponton Nicolas Bento Rocha Paes Paulo Tarso Sanches de Oliveira José Marcato Junior |
| author_facet | Andrés Felipe Hatum Ponton Nicolas Bento Rocha Paes Paulo Tarso Sanches de Oliveira José Marcato Junior |
| author_sort | Andrés Felipe Hatum Ponton |
| collection | DOAJ |
| description |
Este proyecto de investigación en desarrollo plantea una metodología para el monitoreo en tiempo real de variables hidráulicas y la visualización de eventos hidrológicos en canales urbanos, utilizando un sistema sin contacto con el agua. En este se integra la utilización de cámaras de seguridad y equipos para el procesamiento de imágenes, de forma local y remota, aplicando técnicas de Deep Learning. Se debe instalar temporalmente un radar RQ-30 para la creación de una curva de gasto del canal en estudio, aprovechando su precisión, inclusive en condiciones adversas. Al tiempo las cámaras capturan videos del flujo de agua, que luego son procesados de manera local mediante un prototipo constituido entre un DVR y un Raspberry Pi, extrayendo de ellos imágenes a intervalos regulares a cada cinco minutos. Estas se comprimen y envían a través de un router a un servidor remoto. En este último se inspecciona visualmente lo que ocurre en el punto de medición y se aplica la técnica Monocular Depth Estimation para determinar la profundidad del agua, introducirla en la curva de gasto previamente definida con el radar y calcular el caudal en tiempo real. Los resultados preliminares evidencian el potencial de esta metodología para toma de decisiones oportunas en la previsión y gestión de eventos hidrológicos extremos, reduciendo los costos y convirtiéndose en una alternativa accesible, reproducible y sostenible en redes urbanas extensas, disminuyendo la dependencia de radares.
|
| format | Article |
| id | doaj-art-bcc8a79366874df6ae6037ad9e36707b |
| institution | OA Journals |
| issn | 1390-8928 2477-8850 |
| language | English |
| publishDate | 2025-05-01 |
| publisher | Universidad Central del Ecuador |
| record_format | Article |
| series | Siembra |
| spelling | doaj-art-bcc8a79366874df6ae6037ad9e36707b2025-08-20T02:17:14ZengUniversidad Central del EcuadorSiembra1390-89282477-88502025-05-01124(Especial)Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanosAndrés Felipe Hatum Ponton0Nicolas Bento Rocha Paes1Paulo Tarso Sanches de Oliveira2José Marcato Junior3Universidade Federal de Mato Grosso do Sul. Faculdade de Engenharias, Arquitetura e Urbanismo e Geografia, Av. Costa e Silva, s/n. 79070900. Campo Grande – MS, Brasil / Universidad del Magdalena. Santa Marta, ColombiaUniversidade Federal de Mato Grosso do Sul. Instituto de matemática. Av. Costa e Silva, s/n. 79070900. Campo Grande – MS, BrasilUniversidade Federal de Mato Grosso do Sul. Instituto de matemática. Av. Costa e Silva, s/n. 79070900. Campo Grande – MS, BrasilUniversidade Federal de Mato Grosso do Sul. Faculdade de Engenharias, Arquitetura e Urbanismo e Geografia, Av. Costa e Silva, s/n. 79070900. Campo Grande – MS, Este proyecto de investigación en desarrollo plantea una metodología para el monitoreo en tiempo real de variables hidráulicas y la visualización de eventos hidrológicos en canales urbanos, utilizando un sistema sin contacto con el agua. En este se integra la utilización de cámaras de seguridad y equipos para el procesamiento de imágenes, de forma local y remota, aplicando técnicas de Deep Learning. Se debe instalar temporalmente un radar RQ-30 para la creación de una curva de gasto del canal en estudio, aprovechando su precisión, inclusive en condiciones adversas. Al tiempo las cámaras capturan videos del flujo de agua, que luego son procesados de manera local mediante un prototipo constituido entre un DVR y un Raspberry Pi, extrayendo de ellos imágenes a intervalos regulares a cada cinco minutos. Estas se comprimen y envían a través de un router a un servidor remoto. En este último se inspecciona visualmente lo que ocurre en el punto de medición y se aplica la técnica Monocular Depth Estimation para determinar la profundidad del agua, introducirla en la curva de gasto previamente definida con el radar y calcular el caudal en tiempo real. Los resultados preliminares evidencian el potencial de esta metodología para toma de decisiones oportunas en la previsión y gestión de eventos hidrológicos extremos, reduciendo los costos y convirtiéndose en una alternativa accesible, reproducible y sostenible en redes urbanas extensas, disminuyendo la dependencia de radares. https://revistadigital.uce.edu.ec/index.php/SIEMBRA/article/view/8298cámarasCurva de gastoDeep LearninginundaciónRQ-30 |
| spellingShingle | Andrés Felipe Hatum Ponton Nicolas Bento Rocha Paes Paulo Tarso Sanches de Oliveira José Marcato Junior Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos Siembra cámaras Curva de gasto Deep Learning inundación RQ-30 |
| title | Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos |
| title_full | Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos |
| title_fullStr | Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos |
| title_full_unstemmed | Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos |
| title_short | Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos |
| title_sort | procesamiento de imagenes para la determinacion de la profundidad y caudal de flujo en canales urbanos |
| topic | cámaras Curva de gasto Deep Learning inundación RQ-30 |
| url | https://revistadigital.uce.edu.ec/index.php/SIEMBRA/article/view/8298 |
| work_keys_str_mv | AT andresfelipehatumponton procesamientodeimagenesparaladeterminaciondelaprofundidadycaudaldeflujoencanalesurbanos AT nicolasbentorochapaes procesamientodeimagenesparaladeterminaciondelaprofundidadycaudaldeflujoencanalesurbanos AT paulotarsosanchesdeoliveira procesamientodeimagenesparaladeterminaciondelaprofundidadycaudaldeflujoencanalesurbanos AT josemarcatojunior procesamientodeimagenesparaladeterminaciondelaprofundidadycaudaldeflujoencanalesurbanos |