Classificação do tipo de pavimento usando imagem de satélites livres de alta resolução - estudo: Pau dos Ferros - RN

• Autor(a) principal: Ataíde, João Vitor Alencar Rosa
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Digital da Universidade Federal Rural do Semi-Árido (RDU)
• dARK ID: ark:/74562/0013000006z7m
• Texto Completo: https://repositorio.ufersa.edu.br/handle/prefix/7743
• topic: ENGENHARIAS::ENGENHARIA CIVIL; Imagens de Satélite; Inteligência Artificial; Sensoriamento Remoto; Geoprocessamento; Classificação

Estrada é o nome de um elemento terrestre cujo objetivo principal é conectar dois ou mais lugares dentro de uma região. Sabe-se que a sua importância é incomensurável e foi um dos motores que acelerou o processo de evolução humana. Essas obras são de responsabilidade do estado, encarregados em conservara-las, monitorá-las e pavimentá-las. Com base nisso surgiram os Sistemas de Gerenciamento de Pavimentos (SGPS), que auxiliam na tomada de decisão, coletando e disponibilizando informações sobre a malha viária. Esses serviços propagaram-se mais ainda com avanço e a democratização das técnicas de geociências, a disponibilização e acesso a bancos de dados gratuitos como o OpenStreetMap (OSM). Entretanto, algumas informações não são disponibilizadas, sendo então necessário a associação com outras tecnologias para obter a classificações de pavimentos, por exemplo. Assim, este estudo visa classificar as categorias de pavimento e avaliar a qualidade do produto fabricado através de imagens de satélite gratuitas de alta resolução e comparar o melhor algoritmo de classificação de imagens para realizar a classificação do pavimento. O estudo de caso foi realizado no município de Pau dos Ferros – RN, através da aplicação de três modelos baseados em píxeis: Maximum Likelihood (ML), Random Tree (RT) e Suport Vector Machine (SVM). Também foram consideradas as métricas de avaliação dos modelos, como: a matriz de confusão, índice Kappa e Acurácias, avaliação visual e avaliação do número de vias classificadas através de uma junção espacial com os dados do OSM. Obtida assim a matriz de confusão apresentou modelo ML como melhor. Em relação ao índice Kappa os três modelos apresentaram valores semelhantes. No entanto, o modelo de ML mostrou melhor resultados para a acurácia. Além disso, alguns erros causados por ruído foram observados nas imagens classificadas, principalmente a partir da resolução espacial da imagem, que trouxe erros de pixel causados por mudanças na vegetação, solo exposto e corpos d'água. Ao realizar a junção com os dados do OSM a sumarização dos modelos ML e RT apresentaram características semelhantes. Foram consideradas as classes das estradas na seguinte ordem: pavimentação, terra batida, asfalto e Sem Classes. O modelo SVM apresentou um resultado diferenciado, sendo a classe mais alta terra batida e asfalto. A avaliação visual notou-se semelhanças entre todos os modelos, diferenciando em algumas classes como nas vias de terra batida e Paralelepípedo, já o comprimento das vias os três modelos apresentaram resultados semelhantes sendo que o modelo SVM obteve maior porcentagem de vias sem ser classificadas.