DETECÇÃO DE INDIVÍDUOS ARBÓREOS EM IMAGENS DE DRONE USANDO DEEP LEARNING: ESTUDO DE CASO EM BELO HORIZONTE (MG)

Este trabalho analisa o processo de detecção de indivíduos arbóreos, feito por meio de técnicas de deep learning aplicadas a imagens de altíssima resolução espacial, realizado para um bairro de Belo Horizonte (MG). Foi utilizado o algoritmo de segmentação por instância Mask R-CNN disponível no ArcGIS Pro e a classificação das árvores se deu por meio da arquitetura ResNet-50. O modelo alcançou uma acurácia satisfatória, identificando 387 das 457 árvores segmentadas, com Precisão de 84,68% e F1 Score de 76,08%. Os resultados indicam que o uso de deep learning aplicado a ortoimagens geradas por drones tem grande potencial para o mapeamento e a gestão da vegetação urbana, oferecendo uma metodologia promissora para futuras aplicações no monitoramento ambiental em áreas densamente urbanizadas.