Ruddy Gabriel Gómez Tejada Y Gabriel D. Jesús Reinoso Javier
Pontificia Universidad Católica Madre y Maestra, PUCMM
Introducción:
La energía eléctrica se ha convertido en una pieza fundamental y clave para el funcionamiento de nuestra sociedad. Como bien sabemos, no podemos acceder a este servicio sin las líneas de tendido eléctrico seguras que transporten esta energía a través del país. Sin embargo, uno de los fenómenos que más suelen afectar la estabilidad de este sistema, es la presencia de vegetación cercana a estas líneas. Por esta razón, es necesario un sistema automatizado para monitorear el estado de la vegetación cercana a los circuitos eléctricos y que mida el nivel de peligrosidad que esta presenta con el fin de ser utilizado por las autoridades pertinentes para tomar las medidas necesarias de mantenimiento.
Definición de la Problemática:
Cuando las ramas o árboles crecen demasiado cerca o entran en contacto con los cables, pueden provocar cortocircuitos, desconexiones e incluso incendios o electrocuciones. Durante fenómenos climáticos como: tormentas, cientos fuertes o lluvias intensas, la probabilidad de que la vegetación caiga sobre el tendido eléctrico aumenta considerablemente, ocasionando daños estructurales y prolongando los cortes de energía [1]. No obstante, la Ley General de Electricidad No. 125-01 y su Reglamente de Aplicación establecen la responsabilidad de las empresas distribuidoras de realizar mantenimientos periódicos de la vegetación cercana a estas líneas para garantizar la seguridad y calidad del servicio [2].
Proyectos Anteriores:
El proyecto de N. Nakao, M. Vásquez “Levantamiento Georreferenciado de Vegetación Adyacente a Líneas Eléctricas”, PUCMM, 2024, surge como una solución directa al problema de la interferencia de la vegetación con el tendido eléctrico. Este sistema se basa en una serie de procesos en el que el usuario debe cargar imágenes del área tomadas por un dron, junto con los datos del circuito eléctrico. Posteriormente, se utiliza un nodo de procesamiento para analizar las imágenes, generar resultados preliminares y luego volver a cargarlos en la plataforma para su visualización y análisis. Si bien este sistema representa un avance muy importante, presenta limitaciones como la generación de falsos positivos y lo manual que es todo procedimiento.
El proyecto Analytics4Vegetation aborda esta problemática utilizando tecnologías más avanzadas. Este sistema emplea sensores LiDAR montados en helicópteros o drones para mapear con alta precisión la vegetación y su proximidad a las líneas eléctricas. Además, incorpora algoritmos predictivos que permiten anticipar el crecimiento de la vegetación y generar alertas tempranas sobre posibles riesgos de interferencia con la red eléctrica [3].
Solución Propuesta:
Para resolver las limitaciones del proyecto de “Levantamiento Georreferenciado de Vegetación Adyacente a Líneas Eléctricas”, del procedimiento manual que este posee y mejorar la precisión del análisis de vegetación cercana a líneas eléctricas, se propone una plataforma web tipo Sistema de Información Geográfica (SIG) [4] que automatiza y centraliza todas las etapas del proyecto. Esta plataforma permitirá cargar imágenes capturadas por drones, enviarlas automáticamente a un servidor que tendrá un módulo especializado para generar ortomosaicos y nubes de puntos, y posteriormente realizar el análisis de la vegetación detectada en función de su cercanía real a los circuitos eléctricos.
El sistema se integrará con una base de datos donde se guardarán los circuitos analizados, arboles y vegetación detectada, así como las evaluaciones hechas a los circuitos en forma de capas espaciales. En el sistema se aceptará como parámetros de realizar el análisis la capa de circuitos y las imágenes tomadas, esto con el fin de un desarrollo mas realista y evitando el uso de un algoritmo para generar estos circuitos en la imagen. A través de esta solución, solo se procesará la vegetación que represente un peligro real para los circuitos, optimizando recursos y reduciendo falsos positivos. Esto se hará mediante un algoritmo que recorte la imagen, limitándola solo donde se encuentra el circuito georreferenciado para evitar procesar toda la imagen sin necesidad.
Además, la plataforma generará reportes descargables, mantendrá un historial de evaluaciones por sectores, y permitirá comparar cambios luego de intervenciones como podas de árboles. Esta solución busca hacer más eficiente el monitoreo de la red eléctrica, facilitando la toma de decisiones para el mantenimiento preventivo y correctivo.
Metodología:
Para el desarrollo del proyecto se propuso el uso del siguiente flujo de trabajo:
Ilustración 1. Diagrama Representativo del Procesamiento.
La interfaz web de la plataforma tendrá un panel para iniciar el procesamiento de las imágenes y el circuito. El usuario estará supuesto a subir dos archivos comprimidos: uno con los datos de los circuitos en formato de capas espaciales (shp, shx, dbf, cpg, sbx) y el otro con las imágenes del área de circuito tomadas por el dron. La aplicación procederá a validar estos archivos de que sean correctos para el procesamiento y luego los enviará como solicitud REST a un servidor que contendrá diferentes módulos que servirán para automatizar el procesamiento.
A parte del código de procesamiento, en el servidor se tendrán tres sistemas fundamentales en el funcionamiento del flujo. El primero es el Node ODM que es una herramienta utilizada para procesar imágenes tomadas por drones y generar productos como ortomosaicos, nubes de puntos, entre otros [5]. El siguiente es Geoserver la cual es una plataforma que permite compartir, visualizar y editar datos geoespaciales a través de la web [6]. El ultimo sistema sería una base de datos para almacenar las capas y todo registro de la aplicación y así tener persistencia.
Los módulos y sus responsabilidades son las siguientes.
1. Módulo de control.
- Maneja la comunicación entre la aplicación y el servidor.
- Recibe los archivos con los circuitos y las imágenes enviadas por el usuario, los extrae y válida que tenga los archivos necesarios para el procesamiento.
- Envía las imágenes al Nodo ODM para que este las procese y genere el ortomosaico y la nube de puntos para el análisis.
- Envía la capa de circuitos, el ortomosaico y la nube de puntos al módulo de procesamiento CV.
- Módulo de Procesamiento de Visión Computacional.
- Maneja todo el procesamiento de análisis de la ortofoto y la nube de puntos.
- Unifica el circuito con la ortofoto georreferenciada con el fin de que se sepa dónde se recortara la imagen para realizar el análisis en esta.
- Se recorta la imagen para tener solamente el área del circuito para ser analizada.
- Se convierte la ortofoto en formato de vectores con el fin de ser manejadas computacionalmente.
- Se calcula el Índice de Verdor Triangular para poder sacar la capa verde de la ortofoto.
- Se crea una imagen binaria en base a la ortofoto para poder aplicar los filtros.
- Se aplica un filtro morfológico para segmentar la vegetación de la imagen.
- Se detectan los contornos como medida adicional para obtener vegetación.
- En la vegetación, mediante un algoritmo se detectan los centroides para detectar la ubicación de los árboles en la vegetación.
- Se utiliza el algoritmo Flood Fill en conjunto de los centroides para identificar y rellenar de forma eficiente las áreas vegetativas en la imagen.
- Se genera una máscara de vegetación utilizándolos contornos resultantes de Flood Fill.
- Se analiza detalladamente la altura de la vegetación cercana al circuito, teniendo en cuenta los polígonos y los vértices que los definen.
- Finalmente, cada segmento del circuito se clasifica según un índice de riesgo basado en dos factores: la proximidad de la vegetación y la altura de esta en relación con el circuito.
- Se envían las capas de circuitos, árboles, vegetación y el análisis realizado al módulo de almacenamiento.
- Módulo de Almacenamiento y Registro.
-
- Se convierte el análisis realizado en un objeto serial para ser almacenado en la base de datos. Básicamente, sería el mismo circuito con cada segmento indexado según su nivel de riesgo.
- Se crea un origen de datos en Geoserver para almacenar la ortofoto y poder mostrarla en el mapa de la aplicación.
- Se crea un objeto que relacione la ruta donde esta almacenada la imagen en Geoserver con el sector analizado y la fecha del análisis para poder filtrar esa imagen y mostrarla en el mapa desde la aplicación.
- Guardar los datos de la imagen, las capas de vegetación, árboles, circuitos y los segmentos analizados en la base de datos.
-
El usuario debe ser capaz de ver los circuitos, árboles, vegetación y el análisis realizado, filtrándolo por el nombre del sector analizado en el mapa de la aplicación. Estas capas son traídas en formato WMS [7] desde Geoserver para que las capas se puedan visualizarse en el mapa de forma casi instantánea. De igual forma, se deben descargar reportes desde la aplicación de los segmentos analizados según el usuario lo desee.
Resultados Obtenidos:
Con las imágenes tomadas por el dron en el proyecto anterior, se utilizaron como pruebas enviándolas al servidor de procesamiento. En conjunto con estas, se usó una capa de circuitos referente al área en la que se tomaron las imágenes. Para identificar el procesamiento, los datos que se envían se relacionan a una tarea creada por la aplicación, que se almacena en la base de datos y el ID de la misma es enviada al servidor de procesamiento para tener una constancia del estado del flujo.
Ilustración 2. Panel de Inicio del Procesamiento en la Plataforma.
El tiempo de procesamiento depende de la cantidad de imágenes enviadas. En este caso se enviaron 45 imágenes y todo el procedimiento tardó aproximadamente de 5-8 minutos. Podemos verificar que si se enviaron los datos revisando la dirección del nodo ODM y el estado de la tarea realizada.
Ilustración 3. Estado del Procesamiento de las Imágenes en el Node ODM.
Podemos monitorear el estado de la tarea en la lista de tareas realizadas en el panel de procesamiento, el cual se actualiza cada vez que los datos pasan de una fase a otra o si ocurre un erro durante el proceso. Una vez terminado el proceso podemos ir al area del mapa para verificar que los datos se almacenaron correctamente en la base de datos y que se traigan las capas desde Geoserver correctamente.
Ilustración 4. Mapa de la Plataforma.
En el campo de sector se traen todos los sectores que se tienen guardados en la base de datos, los cuales representan el área de análisis. Se muestran tres opciones para mostrar cada una de las capas que se sacaron del análisis enviado.
Ilustración 5. Capas del Sector Seleccionado Representadas en el Mapa.
En la imagen podemos ver las capas que se detectaron en la ortofoto trayéndose desde Geoserver. Las líneas azules representan el circuito que se subió en el panel de procesamiento para analizar, los puntos verdes son los árboles que se detectaron en el procesamiento de centroides de la vegetación y los polígonos grises representan la máscara de vegetación de la imagen.
Ilustración 6. Capa de Segmentos Vulnerables del Circuito Representada en el Mapa.
En el cambo de “Fecha de Análisis”, se despliega la lista de fechas en las que se hizo un análisis a ese sector. Cuando presionamos el botón “Mostrar análisis”, se nos trae la capa de circuitos, pero segmentado por colores que simbolizan el nivel de riesgo que representa la vegetación cercana a este segmento. Un segmento rojo representa un nivel de peligrosidad alto para ese segmento, amarillo medio y verde bajo, todo en base a la cercanía de la vegetación.
Ilustración 7. Ortofoto Utilizada para el Análisis Representada en el Mapa.
Para evidenciar que se hizo un correcto análisis de la imagen, podemos traer la misma desde Geoserver y mostrarla en la ubicación correcta del mapa, debido a que esta foto está georreferenciada.
Ilustración 8. Capa de Segmentos Vulnerables Unificada con la Imagen.
Como podemos ver, si mostramos el circuito por encima de la imagen, vemos que el nivel de peligrosidad de los segmentos es coherente con la ubicación de la vegetación en la trayectoria del circuito.
Ilustración 9. Capas de Árboles, Vegetación y Segmentos Vulnerables Unificadas en la Imagen.
Si mostramos las demás capas por encima de la imagen, evidentemente vemos como la vegetación se acopla en el mismo lugar donde se muestran en la imagen. Además, vemos que no se ve toda la vegetación de la imagen, esto se debe al proceso de recorte que se le hace a la imagen antes de realizar el análisis de riesgo. La imagen se recorta al nivel del circuito, es decir, solo se analizará el segmento de la imagen por donde pasa el circuito eléctrico, esto para evitar procesamiento innecesario, limitando el análisis a ser realiza con la vegetación cercana al circuito.
Conclusiones:
Este proyecto representa un avance significativo en la gestión automatizada del riesgo asociado a la vegetación cercana a los circuitos eléctricos. Al integrar procesamiento de imágenes aéreas, análisis geoespacial, visión computacional y visualización en un entorno web centralizado, esta solución mejora la precisión del diagnóstico, reduce la intervención manual y optimiza los recursos disponibles para el mantenimiento preventivo. Los resultados obtenidos validan su efectividad, mostrando un análisis coherente, segmentado por niveles de riesgo, y una visualización georreferenciada precisa. Esta plataforma no solo facilita la toma de decisiones operativas, sino que también promueve una gestión más segura y eficiente de la red eléctrica nacional.
Referencias:
- E. H. Plus, «Importancia de la poda para garantizar el servicio eléctrico,» [en línea]. Disponible en: https://ehplus.do/capsula-informativa-importancia-de-la-poda-paragarantizar-el-servicio-electrico/. [Accedido: 02-dic-2024].
- Ministerio de Energía y Minas, «Reglamento de Aplicación Ley 125-01,» [en línea]. Disponible en: https://mem.gob.do/wp-content/uploads/2019/04/Reglamento-deAplicaci%C3%B3n-Ley-125-01.pdf. [Accedido: 02-dic-2024].
- EDP, «Vega: Análisis de la vegetación situada cerca de redes eléctricas,» [en línea]. Disponible en: https://www.edp.com/es/innovacion/vega-analisis-de-la-vegetacionsituada-cerca-de-redes-electricas. [Accedido: 02-dic-2024].
- “GIS (geographic information system)”, Nationalgeographic.org. [En línea].
Disponible en: https://education.nationalgeographic.org/resource/geographic-
information-system-gis [Consultado: 13-jul-2025].
- “Open-source orthomosaicing with web-ODM and node-ODM API”, AGSRT. [En línea]. Disponible en: https://www.agsrt.com/event-details-registration/opensource-orthomosaicing-with-web-odm-and-node-odm-api. [Consultado: 13-jul-2025].
- “GeoServer”, Geoserver.org. [En línea]. Disponible en: https://geoserver.org/.
[Consultado: 13-jul-2025].
- “Web map service”, Open Geospatial Consortium. [En línea]. Disponible en:
https://www.ogc.org/standards/wms/. [Consultado: 13-jul-2025].