| Informações da proteção | ||
| Título: Space Change Detector | ||
| Nº da proteção: | BR 51 2018 052002 4 | |
| Instituições titulares: | Universidade de Brasília (UnB) | | Link do site |
| Data da expedição do registro: | 06/11/2018 | |
| Data da publicação ou criação: | 01/06/2011 | |
| Tipo de proteção: | programa de computador | |
| Linguagem: | C, C++ | |
| Prazo legal de proteção: | 50 anos contados a partir de 1º de janeiro do ano subseqüente ao da sua publicação ou, na ausência desta, |
|
| da sua criação (art 2º, §2º da Lei nº 9.609/1998). | ||
| Autores | ||
| Pela UnB: | Nilton Correia da Silva | | Pesquisa UnB |
| Osmar Abílio de Carvalho Júnior | | Pesquisa UnB | |
| Unidades da UnB envolvidas do desenvolvimento da tecnologia | ||
| Unidade Acadêmica: | Faculdade UnB Gama - FGA | | Link do site |
| CLASSIFICAÇÃO | ||
| Classificação - Categoria: | Ciências Exatas e Informática | |
| Classificação - Subcategoria: | Inteligência artificial | |
REDES NEURAIS E ANÁLISES GEOLÓGICAS
Redes neurais são modelos computacionais inspirados na estrutura e no funcionamento do cérebro humano, capazes de aprender a partir de dados e realizar tarefas complexas. Uma das áreas de aplicação das redes neurais é a análise geológica, que envolve o estudo das características e dos processos da Terra. Neste texto, vamos abordar alguns aspectos e desafios dessa aplicação. A análise geológica pode envolver desde a identificação de minerais e rochas, até a avaliação da vulnerabilidade ambiental de bacias hidrográficas, passando pela detecção de mudanças no uso do solo e pela previsão de recursos energéticos solares. Para cada uma dessas tarefas, existem diferentes tipos e fontes de dados, como imagens de satélite, mapas geológicos, dados climáticos, entre outros. As redes neurais podem ser utilizadas para processar esses dados e extrair informações relevantes para a tomada de decisão. As redes neurais apresentam diversas vantagens para a análise geológica, como a capacidade de lidar com dados ruidosos, incompletos ou incertos, a flexibilidade para se adaptar a diferentes problemas e cenários, e a possibilidade de aprender sem a necessidade de regras pré-definidas. No entanto, também existem algumas dificuldades e limitações, como a necessidade de uma grande quantidade de dados para o treinamento, a complexidade para interpretar os resultados e os mecanismos internos da rede, e a dependência dos parâmetros e da arquitetura escolhidos pelo usuário.
Sob essa perspectiva, pesquisadores da Universidade de Brasília (UnB) desenvolveram um software chamado Space Change Detector, que implementa uma rede neural não-supervisionada do tipo SOFM (Self-organizing Feature Map) para reconhecer mudanças no uso do solo utilizando imagens de satélite. O software permite comparar duas imagens de uma mesma região em diferentes períodos de tempo e identificar as áreas que sofreram alterações. Essa informação pode ser útil para monitorar o impacto das atividades humanas no meio ambiente e planejar ações de conservação.
VANTAGENS
• Eficiência: Permite detectar mudanças no uso do solo de forma rápida e automática, sem a intervenção de um especialista;
• Facilidade de Uso: Utiliza uma rede neural não-supervisionada, que não requer dados rotulados ou conhecimento prévio sobre as classes de interesse;
• Versatilidade: Aplica-se a diferentes tipos de imagens de satélite, independentemente da resolução espacial ou espectral;
Produz um mapa de mudanças que pode ser visualizado em diferentes níveis de detalhe e sobreposto a outras camadas de informação.
Agenda 2030 da ONU:
Gostou dessa tecnologia?
Entre em contato com a Agência de Comercialização de Tecnologias (ACT) da Coordenação de Inovação eTransferência de Tecnologia (CITT) do Centro de Apoio ao Desenvolvimento Tecnológico (CDT).
