Los basurales a cielo abierto son aquellos donde los residuos se disponen de forma indiscriminada y con escasas medidas de protección ambiental.
Este proyecto, desarrollado en conjunto entre Dymaxion Labs y la Fundación Bunge & Born, tiene por objetivo la detección y seguimiento de los basurales a cielo abierto, aplicando técnicas basadas en machine learning (ML) para el procesamiento de imágenes satelitales. Esto permite mapear grandes áreas de manera rápida y con bajos recursos.
El modelo está optimizado para las imágenes multiespectrales del satélite Sentinel-2.
Se utilizan las herramientas GDAL y Orfeo Toolbox en la primera etapa del pre-procesamiento de los datos. Luego, se emplean nuestros paquetes satproc y unetseg para la generación del dataset y modelo de ML respectivamente.
Este repositorio contiene un conjunto de notebooks de Jupyter, que describen los pasos necesarios:
- Pre-procesamiento: Se procesan las imágenes satelitales y la verdad de campo para generar el dataset de entrenamiento y de predicción del modelo.
- Entrenamiento: Entrenamiento y evaluación del modelo.
- Predicción: Predicción sobre la región de interés.
- Post Procesamiento: Procesamiento de los resultados de la predicción.
Reportes de bugs y pull requests pueden ser reportados en la página de issues de este repositorio. Este proyecto está destinado a ser un espacio seguro y acogedor para la colaboración, y se espera que los contribuyentes se adhieran al código de conducta Contributor Covenant.
El código está licenciado bajo Apache 2.0. Refiérase a LICENSE.txt.