Busca avançada
Ano de início
Entree

Desenvolvimento de algoritmos para criação de mapas temáticos usando dados de múltiplos sensores

Processo: 18/09536-4
Linha de fomento:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Vigência (Início): 01 de junho de 2018
Vigência (Término): 30 de novembro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Convênio/Acordo: Microsoft Research
Pesquisador responsável:Rubens Augusto Camargo Lamparelli
Beneficiário:Greice Cristina Mariano
Instituição-sede: Núcleo Interdisciplinar de Planejamento Energético (NIPE). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Empresa:Universidade Estadual de Campinas (UNICAMP). Núcleo Interdisciplinar de Planejamento Energético (NIPE)
Vinculado ao auxílio:14/50715-9 - Characterizing and predicting biomass production in sugarcane and eucalyptus plantations in Brazil, AP.PITE
Assunto(s):Agricultura   Satélites   Monitoramento   Sensoriamento remoto   Reconhecimento de imagem   Coleta de dados   Aprendizado computacional   Algoritmos para imagens   Mapas   Mapas temáticos

Resumo

Com os avanços na tecnologia de sensores no Sensoriamento Remoto, novos desafios e oportunidades têm proporcionado um aumento significativo em pesquisas na área de reconhecimento de padrões. O aumento da disponibilização destas imagens, as quais possuem melhores resoluções espaciais/espectrais e temporais, têm demonstrado que mais detalhes podem ser encontrados com possibilidade de aplicações em várias áreas como urbanismo, agricultura e ecologia. Em geral, devido a fatores técnicos, os sensores são desenhados para um determinado objetivo específico, caracterizando-o em uma determinada resolução (especial, espectral ou temporal). Então, uma imagem de um sensor que coleta dados em uma alta resolução espacial, normalmente não oferece muitas bandas espectrais e oferecerá imagens poucas vezes por mês (baixa resolução temporal). Então, o maior desafio é encontrar uma técnica apropriada para reconhecimentos de objetos/alvos na superfície terrestre usando dados de vários sensores diferentes. Neste trabalho, o foco será no estudo e no desenvolvimento de algoritmos de "Aprendizado de Máquina" (Machine Learning) capaz de aprender e combinar padrões baseado em dados de imagens de diferentes sensores. O objetivo é ter um protocolo capaz de criar mapas temáticos utilizando dados de sensores com diferentes resoluções espaciais, espectrais e temporais. (AU)