Imagens de sensores embarcados em aeronaves remotamente pilotadas na localização de cultivos ilícitos - cannabis

• Autor(a) principal: PATRIOTA, Rhassanno Caracciollo
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000dzs6
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/38247
• topic: Ciências Geodésicas; Cannabis; RPA; UAV; Fotogrametria; Aprendizado de máquina; Redes neurais convolucionais

No Brasil, a partir dos anos oitenta, foi iniciado o combate de forma sistêmica ao cultivo de Cannabis no Polígono da Maconha, o qual está situado, parcialmente, no estado de Pernambuco e inclui as ilhas do rio São Francisco localizadas entre Pernambuco e Bahia. O aprimoramento das técnicas de localização dos plantios levou os órgãos responsáveis pela repressão desta prática ilícita ao uso de Tecnologia da Geoinformação. Por meio de aparelhos receptores GPS e, posteriormente, com coletores de dados com receptor GNSS embarcado, foram desenvolvidos métodos de aquisição, análise e armazenamento de dados espaciais com informações de cultivos erradicados no estado de Pernambuco, criando uma base de dados geoespacial cujas informações de posicionamento geográfico dos plantios foram colhidas por policiais federais. Nesta pesquisa foram estudadas e testadas técnicas de reconhecimento de cultivos de Cannabis, por meio de imagens adquiridas por mapeamentos aéreos usando sensores embarcados em aeronaves remotamente tripuladas. Estas imagens foram submetidas à duas formas de classificação supervisionadas, mediante: amostra de pixels de reflectância de espécimes de Cannabis e aprendizado de máquina, usando redes neurais convolucionais. Quando comparados os dois métodos de reconhecimento, pôde-se constatar que o uso de aprendizado de máquina apresentou melhores resultados do que o método de classificação usando pixels de reflectância. O método de aprendizado de máquina foi divido em três níveis de procedimentos, sendo o segundo nível o que primeiro atingiu precisão de 100%, quando excluídos os dados falsos positivos, demonstrando que as técnicas de reconhecimento de padrões por algoritmos são promissoras para localização de cultivos ilícitos, por intermédio de imagens de sensores embarcados em aeronaves remotamente pilotadas.