Técnicas de aprendizaje profundo aplicadas a la detección de entornos con humo/niebla

Abstract

Ante el surgimiento en los últimos años de modelos cada vez más complejos de Deep Learning, se analizará la utilidad de estos ante un problema real. Este se trata la necesidad de detectar humo en centrales termosolares de canales parabólicos para evitar la contaminación que pueda llegar a causar los fluidos empleados en ellas. Para ello, se analizarán dos modelos de redes neuronales desarrollados recientemente y se comprobará su validez ante un dataset específico extraído de cámaras de ese tipo de centrales.

Due to the development in recent years of complex Deep Learning models, the purpose of this thesis is to analyze their effectiveness in the context of a real problem. It is focused on the need to detect smoke in parabolic channel solar thermal power plants in order to avoid the contamination that may be caused by the fluids used in them. To do this, two recently developed neural network models will be analyzed, and their effectiveness will be tested against a specific dataset extracted from cameras of this type of power plant.