Detección automática de bioindicadores de deterioro en imágenes de arte rupestre de la Serranía de La Lindosa mediante técnicas de aprendizaje automático

Simple item page
dc.contributor.advisorForero Vargas, Manuel Guillermo
dc.contributor.authorEcheverry Henao, Luis Alberto
dc.contributor.authorRengifo Segura, Jhon Sebastián
dc.date.accessioned2026-07-22T16:44:36Z
dc.date.available2026-07-22T16:44:36Z
dc.date.issued2026
dc.description.abstractEl arte rupestre de la Serranía de La Lindosa constituye uno de los patrimonios arqueológicos más importantes de Colombia y América Latina, debido a la antigüedad y riqueza de sus representaciones pictográficas. Sin embargo, estos paneles se encuentran expuestos a diversos factores de deterioro biológico, ambiental y antrópico que afectan progresivamente su estado de conservación. Actualmente, los procesos de monitoreo dependen principalmente de inspecciones visuales realizadas por especialistas, lo que implica procedimientos manuales, subjetivos y de difícil escalabilidad. En este contexto, la presente investigación propone un modelo basado en técnicas de visión por computador y aprendizaje profundo para apoyar la detección automática de bioindicadores de deterioro en imágenes digitales de alta resolución suministradas por el Instituto Colombiano de Antropología e Historia (ICANH). La metodología desarrollada comprendió la selección de los tipos de deterioro a analizar, la construcción manual de máscaras binarias, la generación de un conjunto de datos basado en patches, la implementación de una estrategia de validación Leave-One-Image-Out (LOIO) y el entrenamiento de modelos de segmentación semántica utilizando las arquitecturas U-Net y ResUNet. Los experimentos fueron realizados sobre las categorías de deterioro plantas superiores, galerías, nidos y nidos de avispas, permitiendo evaluar el comportamiento de los modelos mediante métricas de segmentación como Dice, IoU, precisión, recall y HD95. Los resultados obtenidos evidenciaron un desempeño favorable para la detección de deterioros con patrones visuales bien definidos, así como la influencia significativa de factores como el desbalance entre clases y el tamaño de los patches sobre la capacidad de segmentación de los modelos. Estos hallazgos permitieron establecer estrategias de balanceo del conjunto de datos y ajustar los parámetros de entrenamiento para mejorar el desempeño experimental. La investigación demuestra el potencial de las técnicas de aprendizaje profundo como herramienta de apoyo para el monitoreo no invasivo del patrimonio arqueológico y establece una base metodológica que podrá ser utilizada y extendida en futuros estudios orientados a la conservación digital del arte rupestre y otros bienes culturales.spa
dc.description.degreelevelMaestría
dc.description.degreenameMagíster en Ciencia de Datos
dc.format.extent64 p.
dc.format.mimetypeapplication/pdf
dc.identifier.urihttp://hdl.handle.net/11522/5695
dc.language.isospa
dc.publisherPontificia Universidad Javeriana Cali
dc.publisher.departmentFacultad de Ingeniería y Ciencias
dc.publisher.programMaestría en Ciencia de Datos
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectArte rupestrespa
dc.subjectAprendizaje profundospa
dc.subjectSegmentación semánticaspa
dc.subjectBiodeteriorospa
dc.subjectConservación del patrimoniospa
dc.subjectRock arteng
dc.subjectDeep learningeng
dc.subjectSemantic segmentationeng
dc.subjectBiodeteriorationeng
dc.subjectHeritage conservationeng
dc.titleDetección automática de bioindicadores de deterioro en imágenes de arte rupestre de la Serranía de La Lindosa mediante técnicas de aprendizaje automáticospa
dc.typemaster thesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.localTesis/Trabajo de grado - Monografía - Maestría
dc.type.redcolhttps://purl.org/redcol/resource_type/TM
Files
Original bundle
Now showing 1 - 2 of 2
No Thumbnail Available
Name:
Trabajo de grado en pdf - DETECCIÓN AUTOMÁTICA DE BIOINDICAD (1).pdf
Size:
4.06 MB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Licencia de uso - DETECCIÓN AUTOMÁTICA DE BIOINDICADORES DE (1).pdf
Size:
404.7 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Collections
Maestría en Ciencia de Datos