Este trabalho propõe o uso de diferentes técnicas de pré-processamento de dados e aprendizado profundo para análise de imagens e detecção de incêndios florestais. As imagens utilizadas para treinamento têm origem em dois diferentes bancos de dados com variação de horário, estação climática e posicionamento. Para o treinamento, optou-se por empregar algoritmos de aprendizagem supervisionada e classificadores probabilísticos, totalizando três origens de treinamento com variações de parâmetros e diferentes técnicas de pré-processamento complementares, como color perception e quartis.
A principal métrica de avaliação se refere a acurácia e ao índice de verdadeiros-positivos e falsos-negativos, essenciais para essa aplicação, por se tratar de um sistema de identificação e alerta. Também se considera valores de tempo de processamento e treinamento. Os resultados obtidos foram superiores ao estado-da-arte para identificação de incêndios florestais, com acurácias superiores a 99,6% utilizando a técnica Random Forest.
|
