Detecção e rastreamento de dunas barcanas usando inteligência artificial
Esteban Andrés Cúnez Benalcázar
DISSERTAÇÃO
Português
T/UNICAMP C914d
[Detection and tracking of barchan dunes using artificial intelligence]
Campinas, SP : [s.n.], 2024.
1 recurso online (87 p.) : il., digital, arquivo PDF.
Orientador: Erick de Moraes Franklin
Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica
Resumo: 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...
Ver mais
Resumo: 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 naturais
Ver menos
Abstract: 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....
Ver mais
Abstract: 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 formations
Ver menos
Requisitos do sistema: Software para leitura de arquivo em PDF
Aberto
Franklin, Erick de Moraes, 1974-
Orientador
Oliveira, Arthur Vieira da Silva, 1989-
Avaliador
Miotto, Renato Fuzaro, 1991-
Avaliador
Detecção e rastreamento de dunas barcanas usando inteligência artificial
Esteban Andrés Cúnez Benalcázar
Detecção e rastreamento de dunas barcanas usando inteligência artificial
Esteban Andrés Cúnez Benalcázar