Estudo de uma estratégia de aprendizado de máquina baseada na Taxonomia de Kittler para detectar anomalias e reconhecer desmatamento no meio ambiente

A preservação da flora desempenha um papel vital no equilíbrio ecológico e na mitigação de desastres ambientais. Com o aumento das atividades humanas que contribuem para o desmatamento, torna-se crucial o desenvolvimento de métodos eficazes de monitoramento. O monitoramento remoto, por meio de imagens de satélite e outras tecnologias, permite a detecção de anomalias, como áreas de desmatamento, em larga escala e em tempo real. A Taxonomia de Kittler [1-5], uma abordagem auxiliar ao aprendizado de máquina usada com sucesso na detecção de poluição aquática, surge como uma alternativa promissora para aplicação no monitoramento de desmatamento. Este projeto visa expandir o uso dessa técnica para a identificação de áreas desmatadas, buscando fornecer dados precisos e relevantes que possam contribuir para a conservação ambiental.

Palavras-chave

Aprendizado de máquina , Detecção de anomalia , Desmatamento , Meio ambiente , Taxonomia de Kittler

Idioma

Português

Citação

CORADELI, Leonardo dos Santos. Estudo de uma estratégia de aprendizado de máquina baseada na Taxonomia de Kittler para detectar anomalias e reconhecer desmatamento no meio ambiente. In: CONGRESSO DE INICIAÇÃO CIENTÍFICA DA UNESP, 36., 2024, Águas de Lindóia. Anais [...]. São Paulo: Unesp, PROPe, 2024.