Segmentação semântica profunda para detecção de florestas plantadas de eucalipto no território brasileiro usando imagens Sentinel-2

Abstract

As florestas plantadas de eucalipto possuem grande importância econômica para o Brasil e os extratos de eucalipto são utilizados em diversos setores da indústria mundial. As técnicas de sensoriamento remoto são de suprema importância para o estudo e o monitoramento destas áreas, além de ser uma ferramenta essencial para a determinação de planos de ação na economia e na política. O Deep Learning surge atualmente como uma alternativa de automatização e melhoria da eficiência das técnicas de machine learning. Este estudo tem como objetivo analisar o uso da segmentação semântica profunda na detecção de áreas de plantios de eucalipto por meio de imagens Sentinel-2, por ter observado a importância econômica o eucalipto para o desenvolvimento de estudos automatizados para monitoramento desta cultura. O foco deste trabalho é na comparação de seis arquiteturas de Deep Learning (U-net, DeepLabv3 +, FPN, MANet,

PSPNet, LinkNet) com quatro codificadores (ResNet-101, ResNeXt-101, Efficient-net- b3 e Efficient-net-b7), usando 10 bandas espectrais, excluindo apenas as 3 bandas

relacionadas à atmosfera. Mesmo que as diferenças não fossem grandes entre os diferentes modelos, descobrimos que o Efficient-net-b7 foi o melhor codificador entre todas as arquiteturas e o melhor modelo geral foi DeepLabv3 + com o codificador

Efficient-net-b7, alcançando um IoU de 76,57. Além disso, comparamos o mapeamento de grandes imagens de satélite com a técnica de janela deslizante com pixels sobrepostos considerando seis diferentes valores de passada. Descobrimos que as janelas deslizantes com valores de passada mais baixos minimizaram significativamente os erros na borda do quadro, tanto visual quanto quantitativamente (métricas). A segmentação semântica permite uma distinção evidente entre a arborização e a vegetação natural, sendo rápida e eficiente para a análise da distribuição espacial das mudanças da arborização no Brasil. Técnicas mais assertivas na identificação do alvo por meio das imagens de satélite para alimentar as redes de Deep Learning poderão melhorar ainda mais a precisão das informações encontradas por estas redes.