Modelos de Inteligência Artificial como Serviço
A IA permite que computadores simulem processos cognitivos humanos, como o aprendizado. No aprendizado de máquina, a IA aprende padrões a partir de dados de treinamento, produzindo resultados semelhantes aos dos humanos. No sensoriamento remoto, a IA implementa técnicas avançadas para obter resultados precisos em menos tempo e a baixo custo. Isso reduz horas de análise visual, direcionando esforços humanos apenas para verificações necessárias. São vastas as possibilidades de aplicação.
Exemplos de aplicações de IA pela remap
Modelo para mapeamento de uso do solo
Classificação e segmentação de imagens de satélite, utilizando modelos de Aprendizado de Máquina supervisionados ou não supervisionados para identificação de tipos de cobertura do solo.
Modelo para detecção de desmatamento em imóveis rurais
Modelo para monitoramento de desmatamento em imóveis rurais, com predições realizadas em frequências desejadas.
Modelo para identificação de manejo do solo aplicado
Por meio de monitoramento via IA, é possível analisar uma grande quantidade de imóveis para obter informações detalhadas sobre a qualidade do manejo agrícola e do solo. Essa abordagem reduz custos e aumenta a agilidade na detecção de áreas que necessitam de correções, promovendo uma gestão mais eficiente e sustentável.
Modelo para monitoramento de colheita de silvicultura e agricultura
Por meio de modelos treinados, é possível fazer o monitoramento da colheita florestal por talhão em curtos intervalos de tempo, fornecendo segurança ao produtor e dados para melhoria do processo de gestão da área.
Modelo para identificação de culturas agrícolas
Utilizando técnicas de aprendizado de máquina e dados de treinamento robustos, é possível identificar e classificar diferentes tipos de culturas agrícolas em grandes áreas. Esse tipo de dado pode fornecer aos produtores informações sobre distribuição espacial e temporal das culturas.
Segmentação de imagens de satélite
O uso de uma classe de modelos de IA, o Deep Learning possibilita a segmentação de imagens de satélite para identificar diferentes tipos de cobertura agrícola, como pivô central de irrigação, citricultura, silvicultura, soja, etc. Além disso, pode revelar informações sobre a dinâmica temporal dos talhões, como intensidade agrícola ou idade dos plantios florestais em cada talhão individualmente.
Diferencial de uma IA personalizada
Redução de custo de monitoramento
Ter uma IA personalizada permite redução de custo e tempo, com modelos rápidos e de alta performance. Além disso, permite um direcionamento de análises visuais para menos regiões e situações que precisem da revisão especializada de pessoas.
IA treinada exclusivamete para atender desafios de cada cliente
Modelos de inteligência artificial implementados em ambiente do cliente ou em software SIG proprietário. Disponibilização de documentação, repositório, transferência de conhecimento com o cliente, análise dos resultados e elaboração de relatórios. Cada peso dos modelos treinado são entregues de forma exclusiva para cada cliente.
Exemplo de uso na Remap
Na Remap temos experiência no ajuste de modelos específicos para desafios trazidos pelos nossos clientes. Um exemplo é a segmentação de pivô central de irrigação no Brasil, no contexto do projeto MapBiomas.
Objetivo: aplicar técnica de segmentação de instâncias em pivô central de irrigação no Brasil com finalidade de individualizar e produzir um código específico para cada pivô central de irrigação no país. Após cada pivô individualizado, foi possível estimar data de emergência e colheita para cada agrupamento de unidade de pivô, por meio de aplicação de modelagens em série temporal de imagens de satélite.
A) Mosaico Landsat 8 OLI com composição temporal de índice de vegetação NDVI que serviu de input para o treinamento e predição do modelo. B) resultado do modelo com segmentação de instâncias aplicado ao mosaico em A.
