APLICAÇÃO DE IMAGENS CBERS E MACHINE LEARNING NO DIMENSIONAMENTO E LOCALIZAÇÃO DE FAZENDAS DE PEIXES

Resumo

O uso de ferramentas de inteligência artificial em artificial foi ampliado significativamente a aplicação do sensoriamento remoto, especialmente na identificação e monitoramento de parques aquáticos. Este estudo avaliou a aplicabilidade do Segment Anything Model (SAM), integrado ao SamGeo, na segmentação automática de áreas de piscicultura em imagens CBERS com resolução de 2 metros, no município de Conceição do Araguaia, Pará, Brasil. Duas áreas de interesse foram demonstradas, e o processamento das imagens foi realizado com prompts de linguagem natural, gerando máscaras de segmentação convertidas em formato vetorial para análise em SIG. O desempenho do modelo foi avaliado utilizando análises de IoU e F1-Score, alcançando valores de 0,50 e 0,66, respectivamente. A metodologia apresentou maior precisão em tanques com formato regular, enquanto menores estruturas ou com taludes estreitas determinadas limitações. Os resultados demonstram que a combinação de imagens CBERS e modelos avançados de segmentação permite a identificação eficiente de pisciculturas, oferecendo suporte relevante para o monitoramento e gestão territorial. Entretanto, melhorias na resolução das imagens e limitações das configurações do modelo são recomendadas para aumentar a precisão em aplicações que desativam alta exatidão espacial.