Se desarrolló un método automático para detectar manchas de petróleo (oil slicks) en imágenes satelitales SAR, útil para la exploración de hidrocarburos en el Mar Argentino. Estas manchas, visibles co… Ver más

Se desarrolló un método automático para detectar manchas de petróleo (oil slicks) en imágenes satelitales SAR, útil para la exploración de hidrocarburos en el Mar Argentino. Estas manchas, visibles como zonas oscuras en la imagen satelital, indican posibles manaderos naturales de petróleo. El sistema desarrollado segmenta regiones oscuras, extrae características de forma y contraste, y las clasifica mediante algoritmos de machine learning. Para mejorar el rendimiento, se generaron datos sintéticos y se aplicó validación cruzada, priorizando minimizar falsos negativos. El modelo logró un recall del 87,5% y detectó manchas no vistas por expertos. Para reducir falsos positivos, se fusionaron resultados de distintas fechas en mapas de calor, destacando zonas con recurrencia de manchas. Sobre Gabriel Horowitz: Gabriel Horowitz es Líder Técnico en la Gerencia de Data Analytics & Inteligencia Artificial de YPF. También es profesor en la Universidad de Buenos Aires donde dicta cursos de grado y posgrado sobre ciencia de datos aplicada a procesos industriales, ingeniería de la reacciones químicas y operaciones unitarias. También dirige tesistas de grado y posgrado en los mismos temas. A lo largo de su carrera ha presentado varias patentes y trabajos científicos en temas relacionados con la ciencia de datos y los procesos químicos. Recibió el premio a la innovación tecnológica del Instituto Petroquímico Argentino en dos ocasiones y el premio de la Asociación Química Argentina por su tesis doctoral en el área de química industrial. Ver menos