Deep learning e imagens aéreas para identificação de macaúba

O objetivo deste trabalho foi utilizar deep learning e imagens de veículos aéreos não tripulados para desenvolver um modelo para identificar a ocorrência de palmeiras de macaúba (Acrocomia intumescens). O modelo foi treinado e testado por meio de dados de áreas no sul do estado do Ceará, Brasil. Posteriormente, o modelo testado foi avaliado por meio de dados de áreas do Centro-Oeste do país. O principal desafio foi distinguir a macaúba de outras palmeiras nativas, como o babaçu (Attalea speciosa). O babaçu apresenta similaridades espectrais e distribuição aleatória, o que dificulta a identificação dessa espécie. Mosaicos vermelho-verde-azul foram recortados em imagens de tamanho menor e processados por meio de técnica de deep learning de rede neural convolucional. O desempenho da identificação foi avaliado com uso de métricas de acurácia, precisão, recall e F1-score. Em uma área de 1.000 ha, 3.679 palmeiras de macaúba e 12.410 de babaçu foram identificadas, tendo-se alcançado 93% de acurácia. A abordagem proposta foi avaliada em uma área de 4,0 ha, localizada no município de Batayporã, no sul do estado de Mato Grosso do Sul, com 89% de precisão. O modelo foi capaz de identificar a ocorrência de palmeiras de macaúba, em áreas naturais, no Semiárido e no Centro-Oeste do Brasil.

Termos para indexação:
Acrocomia intumescens; bioeconomia; rede neural convolucional; veículos aéreos não tripulados; óleo vegetal.