Defesa de dissertação – Antônio Campos

O Programa de Pós-graduação em Análise e Modelagem de Sistemas Ambientais do Instituto de Geociências da UFMG convida para a seguinte apresentação:

DEFESA DE DISSERTAÇÃO

Discente: Antônio Campos de Abreu Filho

Orientador: Prof. Dr. Marcelo Antonio Nero

Título: “DETECÇÃO DE PAINÉIS FOTOVOLTAICOS EM ORTOFOTOS UTILIZANDO REDES NEURAIS PROFUNDA”

Resumo:

O mapeamento de informações espaciais tem ganhado cada vez mais relevância em aplicações de planejamento urbano e gerenciamento das cidades. As análises e classificações automatizadas de imagens têm sido um problema em várias áreas do conhecimento e a comunidade do sensoriamento remoto têm demonstrado particular interesse nas aplicações de técnicas que utilizam redes neurais profundas nos problemas de classificação de uso e ocupação do solo. Para o treinamento destas redes, é necessário uma extensa rotulagem para os objetos que se pretende identificar. A segmentação de instâncias, em especial, requer uma rotulagem ainda mais complexa e trabalhosa. Além dos dados de treinamento, também não há ambientes de desenvolvimento adequados para uso de arquivos vetoriais de ambientes SIG como anotações de treino destas redes. Portanto, a adaptação das ferramentas de aprendizado profundo para ambientes SIG é um desafio e uma oportunidade. O mundo demanda energia. A “Lei de Swanson” prevê que módulos fotovoltaicos alcançarão a paridade de custo por watt produzido com outras formas de produção energética, como o gás natural em poucos anos. Comparada com outras alternativas, a geração fotovoltaica em telhados possui maior aceitação por utilizar um espaço ocioso das construções urbanas. A compreensão do fenômeno da expansão das instalações fotovoltaicas em áreas urbanas é um importante indicador da evolução de segurança energética das cidades e sua detecção a partir das imagens aéreas constitui uma importante forma de entendê-lo. Este trabalho objetivou treinar uma rede neural profunda (Mask R-CNN) utilizando bases de dados de livre acesso do Rio de Janeiro/RJ, Brasília/DF e Campinas/SP. Com o modelo treinado, foi feita uma varredura em ortofotos cobrindo toda a extensão do município de Belo Horizonte/MG, numa escala de 7 cm/pixel e foram mapeadas pixel a pixel, todas as placas fotovoltaicas e sistemas de aquecimento solar da área. Foram utilizados 1719 dados rotulados manualmente como amostras de treinamento e a inferência do modelo de segmentação identificou 3655 placas fotovoltaicas e 26369 feições de aquecimento solar na área de estudo. Como métricas de validação do modelo, foram obtidos os valores de precisão média global (AP=18,7), recall médio global (AR=36,7), precisão média da classe de placas fotovoltaicas (APUFV=30,9), precisão média da classe de sistemas de aquecimento solar (APSAS=16,09).

Data: 01 de abril de 2021

Horário: 14:00h

Link para acompanhar a videoconferência: https://meet.google.com/cbs-iymz-rfy