Procesamiento de imágenes para la determinación de la profundidad y caudal de flujo en canales urbanos
Article Sidebar
Main Article Content
Abstract
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.
Downloads
Metrics
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
The authors who publish in Siembra know and accept the following conditions:
- Authors retain the copyright and grant Siembra the right of first publication of the work, under the Creative Commons Attribution License. Third parties are allowed to use what has been published as long as they refer to the author or authors of the work and its publication in this journal.
This content is licensed under a Creative Commons Attribution-Noncommercial 4.0 International (CC BY-NC 4.0).
- Authors maintain the copyright and guarantee Siembra the right to publish the manuscript through the channels it considers appropriate.
- Authors may establish on their own additional agreements for the non-exclusive distribution of the version of the work published in Siembra, acknowledging their initial publication in the same, such as in institutional repositories.
- Authors are authorized to disseminate their work electronically once the manuscript is accepted for publication.