Segmentação de regiões de mineração usando imagens de satélite e deep learning

Resumo

O combate às mineradoras clandestinas já vem se arrastando por um longo tempo. Muito já se sabe sobre os danos causados pelas atividades garimpeiras, principalmente para o solo e para tribos indígenas que vivem perto dessas regiões. Visto isso, o governo tem implementado várias técnicas para detecção de regiões de mineração afim de mitigar essas atividades clandestinas, principalmente via satélite, mas como exemplificado no projeto P rodes (INPE, 1988), essas detecções tem como base a avaliação visual de um técnico, e também não é uma atividade automatizada. Este presente trabalho busca automatizar a detecção de regiões de mineração da área do rio tapajós de modo a melhorar o processo de mitigação dessas mineradoras. Utilizamos imagens do satélite Landsat 8 disponibilizadas de forma gratuita para construção do nosso dataset além de criarmos nossas próprias mascaras usando como base um banco de dados de anotações extraído de (BOARO et al., 2021), onde foram anotadas regiões de mineração da área do tapájos entre o início 2014 e o final de 2015. Depois disso, treinamos uma rede neural convolucional, o modelo U-net padrão, para fazermos as detecções. Os resultados para segmentação onde as imagens e mascaras tinham 256 x 256 pixels foram, Acurácia = 0.95 , Precisão = 0.53 , Revocação = 0.74 , Medida F1 = 0.59 e Medida IoU = 0.43 . Após analisar as imagens do conjunto de teste, verificamos que nosso modelo está superestimando as regiões de mineração, ocasionando uma baixa nas métricas. Podemos concluir nesse caso que podemos unir os resultados quantitativos a análises qualitativas para uma compreensão abrangente, seguindo a abordagem de profissionais especializados. Os experimentos feitos posteriormente destacaram a importância da seleção adequada de tamanhos de imagens e do uso consistente de aumento de dados

Ficha do documento

Tipo

Outro

Ano

2023

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/35400

Temas

Dados

Palavras-chave

Deep learningImage segmentationMiningSegmentação de imagensMineraçãoMatemáticaAprendizado do computadorDesmatamentoTapajós, Rio, Região (PA)Landsat (Satélites)