Detecção e rastreamento de dunas barcanas usando inteligência artificial

Detalhes bibliográficos
Autor(a) principal: Cúnez Benalcázar, Esteban Andrés, 1998-
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/18064
Resumo: Orientador: Erick de Moraes Franklin
id UNICAMP-30_1065ce3d84a9c916629dc3be5b273e2f
oai_identifier_str oai::1389783
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Detecção e rastreamento de dunas barcanas usando inteligência artificialDetection and tracking of barchan dunes using artificial intelligenceDunasInteligência artificialAprendizado profundoDetecçãoRastreamento (Posição)DunesArtificial intelligenceDeep learningDetectionTracking (Position)Orientador: Erick de Moraes FranklinDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: As dunas barcanas são comumente encontradas na superfície de planetas como à Terra e Marte, desempenhando um papel importante na evolução de paisagens e ecossistemas. Nas últimas décadas, as imagens de sensoriamento remoto têm sido uma ferramenta valiosa para investigar a morfodinâmica das barcanas. Ainda assim, suas interações e transformações complexas os tornam às vezes difícil de detectar. Neste estudo, utilizamos os recursos da Inteligência Arti- ficial (IA) e das redes neurais para desenvolver um modelo preciso e eficiente para a detecção e rastreamento automático de dunas em diferentes ambientes (aquático, terrestre e marciano). Primeiro, coletamos um conjunto de imagens de dunas barcanas aquáticas usando uma bancada experimental com uma seção transversal retangular e dunas eólicas e marcianas usando os sa- télites do site HiRISE. Posteriormente, com o uso da plataforma CVAT estas imagens foram rotuladas e classificadas usando as classes: Barchan para detectar regiões de dunas e Not a barchan para formas que não correspondem a uma barcana. Assim, este conjunto de dados foi usado para treinar e avaliar a precisão do nosso modelo, baseado na rede neural convolucio- nal YOLOv8 (You Only Look Once-YOLO) por segmentação, que pode detectar uma imagem que contém dunas com uma precisão estimada (Cs) acima de 70%. Finalmente, calculamos os parâmetros principais das dunas barcanas como: dimensões, formas, e outras propriedades importantes da sua morfologia. A partir desta técnica, o conjunto de dados obtido neste estudo pode ser utilizado para futuros estudos e aplicações relacionadas à detecção de dunas em lo- cais remotos, fornecendo um recurso valioso para pesquisadores. No geral, nossa investigação mostra o potencial da inteligência artificial (IA) e das redes neurais nas áreas da Física e das Geociências, e como podem ser utilizadas para superar os desafios do estudo de fenômenos naturais complexos na Terra e em outros corpos celestes como Marte. O uso da rede YOLO para identificar e estudar dunas com precisão pode melhorar nossa compreensão dos processos de superfície que são importantes para moldar nossa paisagem. Pretendemos continuar inves- tigando as possibilidades de uso de Inteligência Artificial em outros tipos de interações entre dunas barcanas e outras formações naturaisAbstract: Barchan dunes are commonly found on the surface of planets such as Earth and Mars, playing an important role in the evolution of landscapes and ecosystems. Over the last few decades, imagery from remote sensing has been a valuable tool for investigating the morphodynamics of barchans. Still, their complex interactions and transformations make them sometimes difficult to detect. In this study, we use the capabilities of Artificial Intelligence (AI) and neural networks to develop an accurate and efficient model for the automatic detection and tracking of barchan in different environments (Aquatic, eolian, and martian). First, we collected a dataset of aquatic barchan dunes using an experimental setup with a rectangular cross-section, and Aeolian and Martian barchan dunes using the HiRISE website satellites. Subsequently, with the use of the CVAT platform, these images were labeled and classified using the classes: Barchan to detect dune regions and Not a barchan for shapes that do not correspond to a barchan. Thus, this data- set was used to train and evaluate the accuracy of our model, based on the YOLOv8 (You Only Look Once-YOLO) convolutional neural network for segmentation, which can detect barchan dunes with a confidence score (Cs) above 70%. Finally, we calculated the main parameters from the automatic detection of dunes such as dimensions, shapes, and other main morphology pro- perties. From this technique, the dataset obtained in this study can be used for further studies and applications related to dune detection in remote locations, providing a valuable resource for researchers. Overall, our research shows the potential of artificial intelligence and neural networks in the fields of Physics and Geoscience, and how they can be used to overcome the challenges of studying complex natural phenomena on Earth and other celestial bodies. Using a YOLO network to accurately identify and study dunes can improve our understanding of sur- face processes that are important to shape our landscape. We plan to continue investigating the possibilities of using Artificial Intelligence in other types of barchan dunes interactions and natural formationsAbertoMestradoTérmica e FluídosMestre em Engenharia MecânicaFAPESP2021/11470-4[s.n.]Franklin, Erick de Moraes, 1974-Oliveira, Arthur Vieira da SilvaMiotto, Renato FuzaroUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia MecânicaPrograma de Pós-Graduação em Engenharia MecânicaUNIVERSIDADE ESTADUAL DE CAMPINASCúnez Benalcázar, Esteban Andrés, 1998-20242024-03-05T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (87 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/18064CÚNEZ BENALCÁZAR, Esteban Andrés. Detecção e rastreamento de dunas barcanas usando inteligência artificial. 2024. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18064. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1389783Cover: https://repositorio.unicamp.br/capa/capa?codigo=1389783Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2024-06-11T10:04:39Zoai::1389783Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2024-06-11T10:04:39Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Detecção e rastreamento de dunas barcanas usando inteligência artificial
Detection and tracking of barchan dunes using artificial intelligence
title Detecção e rastreamento de dunas barcanas usando inteligência artificial
spellingShingle Detecção e rastreamento de dunas barcanas usando inteligência artificial
Cúnez Benalcázar, Esteban Andrés, 1998-
Dunas
Inteligência artificial
Aprendizado profundo
Detecção
Rastreamento (Posição)
Dunes
Artificial intelligence
Deep learning
Detection
Tracking (Position)
title_short Detecção e rastreamento de dunas barcanas usando inteligência artificial
title_full Detecção e rastreamento de dunas barcanas usando inteligência artificial
title_fullStr Detecção e rastreamento de dunas barcanas usando inteligência artificial
title_full_unstemmed Detecção e rastreamento de dunas barcanas usando inteligência artificial
title_sort Detecção e rastreamento de dunas barcanas usando inteligência artificial
author Cúnez Benalcázar, Esteban Andrés, 1998-
author_facet Cúnez Benalcázar, Esteban Andrés, 1998-
author_role author
dc.contributor.none.fl_str_mv Franklin, Erick de Moraes, 1974-
Oliveira, Arthur Vieira da Silva
Miotto, Renato Fuzaro
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
Programa de Pós-Graduação em Engenharia Mecânica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Cúnez Benalcázar, Esteban Andrés, 1998-
dc.subject.por.fl_str_mv Dunas
Inteligência artificial
Aprendizado profundo
Detecção
Rastreamento (Posição)
Dunes
Artificial intelligence
Deep learning
Detection
Tracking (Position)
topic Dunas
Inteligência artificial
Aprendizado profundo
Detecção
Rastreamento (Posição)
Dunes
Artificial intelligence
Deep learning
Detection
Tracking (Position)
description Orientador: Erick de Moraes Franklin
publishDate 2024
dc.date.none.fl_str_mv 2024
2024-03-05T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/18064
CÚNEZ BENALCÁZAR, Esteban Andrés. Detecção e rastreamento de dunas barcanas usando inteligência artificial. 2024. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18064. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/18064
identifier_str_mv CÚNEZ BENALCÁZAR, Esteban Andrés. Detecção e rastreamento de dunas barcanas usando inteligência artificial. 2024. 1 recurso online (87 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/18064. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1389783
Cover: https://repositorio.unicamp.br/capa/capa?codigo=1389783
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (87 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189198354186240

Registros relacionados