Evaluación del potencial de los modelos de Deep Learning para la clasificación de árboles a nivel de género utilizando datos LiDAR
Alejandro Morales-Martín 
Víctor Manuel Vargas-Yun 
Francisco Moreno-Cano 
Pedro Antonio Gutiérrez Congresos uex, actas de congresos
Abstract
La identificación y reconocimiento de especies forestales es crucial en el sector agroforestal para garantizar una gestión adecuada de los recursos naturales, promover la conservación de la biodiversidad, optimizar los servicios ecosistémicos y mejorar la productividad y sostenibilidad de los ecosistemas forestales. Los avances en Deep Learning (DL) han revolucionado esta tarea, permitiendo el procesamiento y el análisis de datos LiDAR aéreos y terrestres. En este contexto, el presente estudio evalúa el potencial de dos redes neuronales, PointNet y PointNet++, para clasificar individuos en áreas forestales donde coexisten principalmente tres géneros: Eucalyptus, Pinus y Quercus. Dos técnicas de muestreo efectivas (FPS y SMOTE) se aplicaron para determinar la densidad de puntos óptima por árbol. Los análisis estadísticos basados en Kolmogorov-Smirnov y la prueba t de Student revelaron que el número de puntos y la metodología óptimas fueron 1.024, 2.048 y 4.096, y PointNet++, respectivamente. Por lo tanto, la metodología propuesta servirá como base para futuros trabajos que requieran una clasificación precisa, tales como cambios en hábitat y ecosistemas, secuestro de carbono e inventarios forestales.
BibTex Citation
@inproceedings{Morales2026Evaluacion,
author = {Morales-Mart{\' i}n, Alejandro and Mesas-Carrascosa, Francisco-Javier and Porras, Fernando P{\' e}rez and Vargas-Yun, V{\' i}ctor Manuel and Moreno-Cano, Francisco and Guti{\' e}rrez, Pedro Antonio},
booktitle = {Congresos uex, actas de congresos},
doi = {10.17398/3101-7177.2.135},
number = {2},
year = {2026},
title = {Evaluaci{\' o}n del potencial de los modelos de {Deep} {Learning} para la clasificaci{\' o}n de {\' a}rboles a nivel de g{\' e}nero utilizando datos {LiDAR}},
}
BibTex Unicode Citation
@inproceedings{Morales2026Evaluacion,
author = {Morales-Martín, Alejandro and Mesas-Carrascosa, Francisco-Javier and Porras, Fernando Pérez and Vargas-Yun, Víctor Manuel and Moreno-Cano, Francisco and Gutiérrez, Pedro Antonio},
booktitle = {Congresos uex, actas de congresos},
doi = {10.17398/3101-7177.2.135},
number = {2},
year = {2026},
title = {Evaluación del potencial de los modelos de {Deep} {Learning} para la clasificación de árboles a nivel de género utilizando datos {LiDAR}},
}
APA Citation
Morales-Martín, A., Mesas-Carrascosa, F.-J., Porras, F. P., Vargas-Yun, V. M., Moreno-Cano, F., & Gutiérrez, P. A. (2026). Evaluación del potencial de los modelos de Deep Learning para la clasificación de árboles a nivel de género utilizando datos LiDAR. Congresos Uex, Actas de Congresos, 2. https://doi.org/10.17398/3101-7177.2.135
RIS Citation
TY - CONF
AU - Morales-Martín, Alejandro
AU - Mesas-Carrascosa, Francisco-Javier
AU - Porras, Fernando Pérez
AU - Vargas-Yun, Víctor Manuel
AU - Moreno-Cano, Francisco
AU - Gutiérrez, Pedro Antonio
C3 - Congresos uex, actas de congresos
DA - 2026///
C2 - 2026
DO - 10.17398/3101-7177.2.135
ID - temp_id_226566595394
M1 - 2
TI - Evaluación del potencial de los modelos de Deep Learning para la clas
ificación de árboles a nivel de género utilizando datos LiDAR
ER -
CV Citation
A. Morales-Martín (CA), F. Mesas-Carrascosa, F.P. Porras, V.M. Vargas-Yun, F. Moreno-Cano, P.A. Gutiérrez (4/6). "Evaluación del potencial de los modelos de Deep Learning para la clasificación de árboles a nivel de género utilizando datos LiDAR". Congresos uex, actas de congresos, 2026.