Digitalización de placas astronómicas antiguas

Título:

Digitalización de placas astronómicas antiguas

Autor:

Ponte Ahón, Santiago Andrés

Otros autores / Colaboradores:

 Ronchetti, Franco; [ Director/a]  Quiroga, Facundo Manuel; [ Codirector/a] 

Temas:

APRENDIZAJE AUTOMÁTICO; DESARROLLO DE SOFTWARE; 

URL:

http://sedici.unlp.edu.ar/handle/10915/152268,

Palabras clave:

detección de objetos, 

Nota de tesis:

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2023.

Extensión:

1 archivo (9,2 MB) : il. col.

Resumen:

La FCAG (Facultad de Ciencias Astronómicas y Geofísicas de la Universidad Nacional de La Plata) posee una vasta colección de placas astronómicas antiguas las cuales contienen una enorme cantidad de registros astronómicos únicos y de alto valor histórico. Estas están en un formato de vidrio inadecuado para su uso con tecnologías modernas, por lo que se busca digitalizarlas según los estándares actuales. En este trabajo se desarrolló un software que ayuda con el proceso de digitalización, reduciendo en gran medida los tiempos necesarios para digitalizar cada placa. La aplicación desarrollada demostró ser una opción eficaz para agilizar el proceso de digitalización e incorpora de forma exitosa los sistemas previamente mencionados.

Puede solicitar más fácilmente el ejemplar con: TES 23/13

1. Introducción 
1.1. Resumen 
1.2. Motivación
1.3. Objetivos 
1.4. Organización del documento 

 2. Marco teórico (Astronomía) 
2.1. Formatos estándar
2.1.1. FITS 
2.1.2. TIFF 
2.2. Placas Espectrográficas 
2.2.1. Información de un espectrograma 
2.2.2. Patrimonio histórico único y fuente de nuevos descubrimientos
2.2.3. Escaneo de placas físicas 
2.2.4. Situación de las placas 
2.2.5. Análisis post conversión 
2.2.6. Software de digitalización

 3. Marco teórico (Informática)
3.1. Lenguajes de programación 
3.1.1. Python
3.1.2. HTML
3.1.3. Javascript 
3.1.4. CSS 
3.2. Frameworks
3.2.1. Flask 
3.2.2. Node.js
3.2.3. Svelte 
3.3. Inteligencia artificial y detección de objetos 
3.3.1. Familia de arquitecturas YOLO

 4. Frontend 
4.1. Requerimientos
4.1.1. Modelo de solución
4.2. Carga y selección de datos 
4.3. Recorte e identificación de espectros 
4.3.1. Sistema de modificación de Bounding Boxes
4.4. Llenado de metadatos 
4.4.1. Definición de metadatos a recopilar 
4.4.2. Diseño del formulario de carga de metadatos
4.5. Exportación de resultados 
4.6. Sistema de guardado automático 

 5. Backend 
5.1. API 
5.2. Organización de los archivos 
5.3. Calculo de metadatos .
5.4. Detección automática de espectros 
5.4.1. Modelo de Solució
5.4.2. Preparación del conjunto de datos 
5.4.3. Generación de nuevos elementos 
5.4.4. Entrenamiento del modelo
5.4.5. Análisis de rendimiento 
5.4.6. Despliegue del modelo

 6. Conclusiones 
6.1. Trabajos futuros