Resumen

Este documento presenta una propuesta para la identificación de rocas y minerales a través de la integración del Análisis de Componentes de vecindario (NCA), imagen hiperespectral y aprendizaje automático, utilizando la tecnología de vehículos aéreos no tripulados (UAV). Los autores afirman que el método propuesto se fusiona perfectamente con varios modelos de aprendizaje automático; el estudio cuenta con resultados cuantitativos relacionados con las capacidades de clasificación de cada modelo como por ejemplo, el Cubic SVM, que superó a todos los demás modelos en la clasificación de rocas ígneas en la base de datos, con una precisión de clasificación global del 71% y una precisión promedio por clase del 72%.

• Materias:Sistemas de imágenes Minería Minas y minería Inteligencia artificial
• Subjects:Imaging systems Mining Mines and mining Artificial intelligence
• Palabras claves:Imágenes hiperespectrales, Imágenes multiespectrales, Reducción de dimensionalidad, Análisis de componentes de vecindad, Inteligencia artificial, Aprendizaje automático
• Keywords:Hyperspectral imaging, Multispectral imaging, Dimensionality reduction, Neighbourhood component analysis, Artificial intelligence, Machine learning