| Resumo: | As espécies invasoras são conhecidas pela sua rápida disseminação, originando perda de biodiversidade das zonas invadidas, tornando-se importante realizar a monitorização das áreas florestais para o controlo destas espécies. Esta dissertação apresenta uma arquitetura para a deteção da espécie invasora Acacia Longifolia em imagens aéreas, particularmente relevante em Portugal. A arquitetura inclui a captura de imagens aéreas através de veículos aéreos não tripulados (VANTs), o pré-processamento das imagens e a divisão do conjunto de dados em treino, validação e teste. Também inclui uma rede neuronal convolucional (RNC) treinada para a classificação automática desta espécie invasora, nas imagens aéreas adquiridas. Testaram-se duas configurações da RNC, cuja arquitetura difere na última camada responsável pela classificação de amostras com 100 x 100 píxeis, obtidas por uma janela deslizante ao longo das imagens capturadas. Uma das redes classifica segundo nove classes (e.g., Acacia L., Vegetação, Estrada), sendo que a classificação obtida é convertida numa classificação binária através da sua matriz de confusão, tendo apresentado uma taxa de acerto de 98.5% utilizando o conjunto de teste. O segundo modelo foi treinado para a classificação binária relativa à presença de Acácia L., alcançando-se um desempenho de 98.7%. Os resultados mostram que a multi-classificação não prejudica o desempenho na deteção da Acacia Longifolia e fornece ao VANT informação adicional relativa ao ambiente. Por último, desenvolveu-se uma abordagem para melhorar a taxa de acerto, recorrendo a um especialista para verificar as previsões do sistema, ponderando-se o benefício em melhorar o desempenho com o custo de chamar o especialista.
|
|---|