Título: CRIAÇÃO DE UMA REDE NEURAL ARTIFICIAL PARA CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO EM IMAGENS DE SATÉLITE

Título alternativo: CREATION OF AN ARTIFICIAL NEURAL NETWORK FOR LAND USE AND LAND COVER CLASSIFICATION ON SATELLITE IMAGES

Autoria de: Daniel Guillermo de Almeida Cueto

Orientação de: Fausto Weimar Acerbi Junior

Coorientação de: Vinícius Farnesi Borriello

Presidente da banca: Fausto Weimar Acerbi Júnior

Primeiro membro da banca: Eduane José de Pádua

Segundo membro da banca: Juliana Maria Ferreira de Souza Diniz

Palavras-chaves: Sensoriamento remoto, Aprendizado de máquina, TensorFlow, Google Colab, Google Earth Engine

Data da defesa: 04/05/2021

Semestre letivo da defesa: 2020-2

Data da versão final: 11/06/2021

Data da publicação: 11/06/2021

Referência: Cueto, D. G. d. A. CRIAÇÃO DE UMA REDE NEURAL ARTIFICIAL PARA CLASSIFICAÇÃO DO USO E COBERTURA DO SOLO EM IMAGENS DE SATÉLITE. 2021. 64 p. Trabalho de Conclusão de Curso (Graduação em Engenharia Florestal Bacharelado)-Universidade Federal de Lavras, Lavras, 2021.

Resumo: As Redes Neurais Artificiais são algoritmos criados com o intuito de simular computacionalmente habilidades humanas como aprendizado, generalização, abstração e associação com o objetivo de criar modelos para a resolução de problemas complexos como reconhecimento de voz, classificação de imagens, robótica, visão computacional dentre muitos outros. O presente trabalho buscou expor o processo de criação e implementação de uma Rede Neural Artificial Profunda para a classificação da cobertura do solo em imagens de satélite usando as plataformas Google Earth Engine, Google Colab e TensorFlow. Foram geradas 8 distintas classificações da área de estudo para análise da acurácia do algoritmo. O modelo 1 classificou a área em 3 classes distintas água, vegetação e solo expostoáreas urbanas e teve uma acurácia global de 93,1. O modelo 2 classificou a área em 4 classes distintas água, vegetação nativa, agriculturapastagens e solo expostoáreas urbanas e apresentou uma acurácia global de 86,6. O modelo 3 realizou a c

Abstract: Artificial Neural Networks are algorithms created with the intention of computationally simulating human skills such as learning, generalization, abstraction and association, in order to create models for the solution of complex problems such as speech recognition, image classification, robotics, computer vision among many others. The present work sought to expose in detail the process of creation and implementation of a Deep Artificial Neural Network used for land cover classification in satellite images using the Google Earth Engine, Google Colab and TensorFlow platforms. Eight different classifications of the study area were generated to analyze the accuracy of the algorithm. Model 1 classified the area into 3 distinct classes water, vegetation and exposed soil urban areas and had an overall accuracy of 93.1. Model 2 classified the area into 4 distinct classes water, native vegetation, agriculture pasture and exposed soil urban areas and presented an overall accuracy of 86.6. Model 3 classified t

URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_florestal/20202201210056

URI alternaviva: repositorio.ufla.br/handle/1/47412

Curso: G005 - ENGENHARIA FLORESTAL (BACHARELADO)

Nome da editora: Universidade Federal de Lavras

Sigla da editora: UFLA

País da editora: Brasil

Gênero textual: Trabalho de Conclusão de Curso

Nome da língua do conteúdo: Português

Código da língua do conteúdo: por

Licença de acesso: Acesso aberto

Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras

URI da licença: repositorio.ufla.br

Termos da licença: Acesso aos termos da licença em repositorio.ufla.br

Detentores dos direitos autorais: Daniel Guillermo de Almeida Cueto e Universidade Federal de Lavras

Baixar arquivo