Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites

Detalhes bibliográficos
Autor(a) principal: Santacattarina, Ricardo
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/223655
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Campus Araranguá. Engenharia da Computação.
id UFSC_1f49a25535d58cc56246648cc1b59fcd
oai_identifier_str oai:repositorio.ufsc.br:123456789/223655
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélitesEngenharia de ComputaçãoBatimetria derivada por satélitearquitetura serverlessimplementação de APITCC(graduação) - Universidade Federal de Santa Catarina. Campus Araranguá. Engenharia da Computação.O processo de batimetria tem como objetivo medir a profundidade da coluna d’água e é de suma importância para eficiência e segurança da navegação, mapeamento de tipo de perfis de costa, como também para a construção civil em regiões costeiras. Geralmente é feito através da medição in situ, com o uso de equipamentos como ecobatímetros, porém estes métodos são limitados pela capacidade de navegação na área de interesse e pelo custo, oportunizando alternativas como a batimetria derivada por satélite. O presente trabalho apresenta as especificações e etapas de implementação de uma API no ambiente da Amazon Web Services (AWS) utilizando da arquitetura serverless, possibilitando treinamento e utilização de modelos de aprendizado de máquina capazes de estimar a profundidade da coluna d’água a partir dos valores das bandas de reflectância obtidas por imagens de satélite. Adicionalmente, o presente trabalho expõe as vantagens relacionadas à computação serverless, permitindo mitigar os desafios de esforço operacional e computacional, efetivando a integração de diferentes etapas para a solução proposta, como processamento de dados, técnicas de aprendizado de máquina e aquisição de dados de sensoriamento remoto. Resultados experimentais da implementação em ambiente serverless da abordagem proposta neste trabalho demonstraram a efetividade, facilidade de uso e gestão e escalabilidade, do modelo de batimetria por imagens de satélite no contexto da Baía da Babitonga para um sistema externo.The bathymetry process aims to measure the depth of the water column over bodies of water and is of crucial importance for navigation efficiency and safety, mapping coast profiles’ types, as well as for civil construction in coastal regions. It is usually done by in situ measurement, with the use of equipment such as echo sounders, however these methods are limited by the navigation capacity in the area of interest and operational cost, allowing alternatives such as satellite-derived bathymetry. This work presents the steps of implementing an API in the Amazon Web Services (AWS) environment using the serverless architecture, enabling training and usage of machine learning models capable of estimating the depth of the water column based on values of the reflectance bands acquired from satellite images. It also exposes the advantages related to serverless computing, overcoming the challenges of operational and computational effort, accomplishing the integration of different steps for the proposed solution, such as data processing, machine learning techniques and remote sensing data acquisition. Experimental results of the implementation in a serverless environment of the proposed approach in this work demonstrated the effectiveness, ease of use, management and scalability of the bathymetry model by satellite images in the context of the Babitonga Bay for an external system.Araranguá, SCSobieranski, Antônio CarlosKlein, Antônio Henrique da FontouraUniversidade Federal de Santa CatarinaSantacattarina, Ricardo2021-05-22T19:58:23Z2021-05-22T19:58:23Z2021-05-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis27application/pdfhttps://repositorio.ufsc.br/handle/123456789/223655info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2021-05-22T19:58:23Zoai:repositorio.ufsc.br:123456789/223655Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732021-05-22T19:58:23Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
title Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
spellingShingle Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
Santacattarina, Ricardo
Engenharia de Computação
Batimetria derivada por satélite
arquitetura serverless
implementação de API
title_short Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
title_full Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
title_fullStr Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
title_full_unstemmed Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
title_sort Implementação de uma API em arquitetura serverless no ambiente da AWS para predição de batimetria em estuários através da aplicação de métodos de aprendizado de máquina em imagens multiespectrais de satélites
author Santacattarina, Ricardo
author_facet Santacattarina, Ricardo
author_role author
dc.contributor.none.fl_str_mv Sobieranski, Antônio Carlos
Klein, Antônio Henrique da Fontoura
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Santacattarina, Ricardo
dc.subject.por.fl_str_mv Engenharia de Computação
Batimetria derivada por satélite
arquitetura serverless
implementação de API
topic Engenharia de Computação
Batimetria derivada por satélite
arquitetura serverless
implementação de API
description TCC(graduação) - Universidade Federal de Santa Catarina. Campus Araranguá. Engenharia da Computação.
publishDate 2021
dc.date.none.fl_str_mv 2021-05-22T19:58:23Z
2021-05-22T19:58:23Z
2021-05-20
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/223655
url https://repositorio.ufsc.br/handle/123456789/223655
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 27
application/pdf
dc.publisher.none.fl_str_mv Araranguá, SC
publisher.none.fl_str_mv Araranguá, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652032428474368

Registros relacionados