Segmenta cultivos con imágenes satelitales para una agritech argentina

Recibirás 600 tiles de Sentinel-2 (10m de resolución, 4 bandas: rojo, verde, azul, NIR) sobre Mendoza, con máscaras etiquetadas de 4 clases (viñedo sano, viñedo con stress, olivo, otro). Entrena un modelo de segmentación semántica (U-Net o DeepLabV3+) con encoder preentrenado en ImageNet o satellite (SatMAE). Aplica augmentation específica de satélite (rotaciones de 90°, flips, no zoom). Evalúa con IoU (Intersection over Union — intersección sobre unión) por clase y mIoU global. Entrega notebook + pipeline de inferencia batch sobre nuevos tiles + visualizaciones overlay de las predicciones sobre RGB.