Análisis de calidad de las áreas verdes utilizando enfoques de aprendizaje automático

Por área verde se entiende cualquier infraestructura verde consistente en vegetación. Las áreas verdes están relacionadas con la mejora de la salud mental y física, la oferta de oportunidades de interacción social y actividades físicas, y la ayuda al medio ambiente. La calidad de las áreas verdes se refiere a su estado. Estudios anteriores basados en el aprendizaje automático han destacado que la basura, la falta de mantenimiento y la suciedad influyen negativamente en la calidad percibida de las áreas verdes. Estos métodos evalúan las áreas verdes y sus cualidades sin tener en cuenta la percepción humana de los mismos. Por otro lado, los métodos basados en el dominio requieren mucho trabajo, tiempo y son difíciles de aplicar a grandes superficies.

Esta investigación propone construir, evaluar y desplegar una metodología de aprendizaje automático para evaluar la calidad de las áreas verdes a nivel de percepción humana, utilizando el aprendizaje por transferencia sobre modelos preentrenados.

Los resultados indican que los modelos desarrollados obtuvieron altas puntuaciones en seis métricas de rendimiento: exactitud, precisión, recuperación, puntuación F1, Kappa de Cohen y promedio ROC-AUC. Además, se evaluó el tamaño de los archivos y el tiempo de inferencia de los modelos para garantizar su aplicación y uso prácticos. La investigación también implementó Grad-CAM como medio para evaluar el rendimiento de aprendizaje de los modelos mediante mapas de calor. El modelo con mejores resultados, ResNet50, obtuvo un 98,98% de exactitud, un 98,98% de precisión, un 98,98% de recuperación, un 99,00% de puntuación F1, una puntuación Kappa de Cohen de 0,98 y un ROC-AUC medio de 1,00. El modelo ResNet50 tiene un tamaño de archivo relativamente moderado y fue el segundo más rápido en predecir. Las visualizaciones Grad-CAM muestran que ResNet50 puede identificar con precisión las áreas más importantes para su aprendizaje. Por último, el modelo ResNet50 se desplegó en la plataforma basada en la nube Streamlit como una aplicación web interactiva.

Título Original:

"Green Space Quality Analysis Using Machine Learning Approaches"

Autor/es: