SEGMENTAÇÃO DE MUDAS NA RESTAURAÇÃO FLORESTAL A PARTIR DE IMAGENS DE RPAS E DEEP LEARNING

Dada a necessidade de ganho de escala da restauração ecológica, a busca de estratégias que elevem a eficiência da etapa de monitoramento é de suma importância. Neste estudo, testamos a utilização de imagens de altíssima resolução, combinando com a aplicação da ferramenta de aprendizado profundo Mask-R CNN. Tal trabalho apresentou como propósito efetuar a segmentação de mudas em plantios jovens de restauração, de modo a propiciar a otimização da etapa de monitoramento e a tomada de decisão. Para tal, utilizou-se o banco de imagens de altíssima resolução (0,91 cm/píxel) do projeto Restauração Ativa (FAPESP 2023/01325-2). Os resultados obtidos apresentaram o potencial positivo de uso do algoritmo Mask-R CNN com IoU de 69,7 e mAP de 42,9% a partir dos 150 dias pós-plantio, evidencia-se o aumento da precisão à medida que eleva-se a idade do plantio.