Classificação de imagens por segmentação: uma análise de fotos aéreas da Floresta Amazônica através de aprendizado de máquina com Python, e com implementação em um sistema embarcado (2023)
- Authors:
- USP affiliated author: FRALETTI, PAULO TAVERNARO - EESC
- School: EESC
- Sigla do Departamento: SEM
- Subjects: APRENDIZADO COMPUTACIONAL; IMAGEM; SISTEMAS EMBUTIDOS; PYTHON; AMAZÔNIA
- Keywords: Segmentação.
- Language: Português
- Abstract: A preocupação quanto à preservação do meio ambiente é evidente em tempos atuais. Nesse sentido, diminuir os casos de desmatamento é uma das ações consideradas no combate às mudanças climáticas, principalmente em regiões de florestas nativas e com enorme influência no clima como a Floresta Amazônica. Com isso, por meio de classificação de imagens por segmentação através de aprendizado de máquina, este trabalho tem como objetivo analisar e mapear fotos da região amazônica, de modo a categorizar seu conteúdo. As categorias analisadas são: Vegetação de Floresta (VF), Vegetação Rasteira e Arbustos (VRA) e Sem Vegetação (SV). Para isso, é necessário extrair informações de intensidade de brilho e contorno de fronteiras das imagens por meio de filtros. Foram processadas 120 fotos, sendo mapeadas pixel a pixel, de maneira que estes representam as amostras a serem treinadas e testadas pelo modelo de machine learning através do algoritmo de Descida de Gradiente Estocática e do classificador Support Vector Machine. Após a obtenção do modelo treinado, este é implementado em um sistema embarcado para que, em um projeto futuro, seja acoplado a um veículo aéreo não tripulado (drone), realizando o processamento das imagens em tempo real. Por meio disso, é possível atingir o objetivo final de monitorar ao longo do tempo a região amazônica e contribuir na identificação de áreas desmatadas para que autoridades competentes tomem a devida providência. A exatidão do modelo de aprendizado de máquina foi de 66,62%, além da precisão média de 64%, recall médio de 60% e F1-Score médio de 61%. Por fim, conclui-se que a performance do modelo pode ser melhorada através de outras estratégias como utilizar imagens com três canais de cores, como o RGB, utilizar como amostras as fotos e não cada um de seus pixeis, além de utilizar uma câmera hiperespectral para capturar as imagens, permitindo maior resolução em diferentesbandas do espectro eletromagnético.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2023
-
ABNT
FRALETTI, Paulo Tavernaro. Classificação de imagens por segmentação: uma análise de fotos aéreas da Floresta Amazônica através de aprendizado de máquina com Python, e com implementação em um sistema embarcado. 2023. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/2835ec23-d911-4860-80df-6a756bb19be9/Fraletti_Paulo%20Tavernaro.pdf. Acesso em: 27 abr. 2024. -
APA
Fraletti, P. T. (2023). Classificação de imagens por segmentação: uma análise de fotos aéreas da Floresta Amazônica através de aprendizado de máquina com Python, e com implementação em um sistema embarcado (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/2835ec23-d911-4860-80df-6a756bb19be9/Fraletti_Paulo%20Tavernaro.pdf -
NLM
Fraletti PT. Classificação de imagens por segmentação: uma análise de fotos aéreas da Floresta Amazônica através de aprendizado de máquina com Python, e com implementação em um sistema embarcado [Internet]. 2023 ;[citado 2024 abr. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/2835ec23-d911-4860-80df-6a756bb19be9/Fraletti_Paulo%20Tavernaro.pdf -
Vancouver
Fraletti PT. Classificação de imagens por segmentação: uma análise de fotos aéreas da Floresta Amazônica através de aprendizado de máquina com Python, e com implementação em um sistema embarcado [Internet]. 2023 ;[citado 2024 abr. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/2835ec23-d911-4860-80df-6a756bb19be9/Fraletti_Paulo%20Tavernaro.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Fraletti_Paulo Tavernaro.... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
