Abstract
Objetivo: desarrollar una metodología para la creación de un repositorio estructurado de imágenes, etiquetas y metadatos, orientado al procesamiento digital de ortoimágenes urbanas y a la segmentación de objetos cartográficos.Metodología: se construyó un repositorio a partir de ortoimágenes de alta resolución espacial y cartografía vectorial oficial, organizadas jerárquicamente y documentados con metadatos técnicos. Se aplicaron dos enfoques de etiquetado según la morfología de los objetos, y se automatizó el proceso con Python. Para validar los conjuntos de datos, se entrenaron modelos U-Net con backbones VGG16 y DenseNet121 sobre las clases analizadas, evaluando su desempeño en términos de precisión, pérdida y calidad de segmentación. Resultados: se generron 11.771 etiquetas binarias, organizadas en seis clases cartográficas. Los modelos presentaron altos niveles de precisión en clases bien definidas, como piscinas y vías, mientras que se observó un menor desempeño en clases con alta variabilidad visual, como canchas deportivas y zonas de parqueo. Discusión: el rendimiento de los modelos estuvo condicionado por la calidad geométrica del etiquetado y la representatividad de los datos. La metodología propuesta permitió optimizar recursos y automatizar la generación de etiquetas a partir de datos abiertos. Conclusiones: el repositorio demostró ser una herramienta funcional, replicable y esca-lable para tareas de segmentación semántica, y representa un aporte al fortalecimiento de la infraestructura digital para la ciencia abierta.