Deep learning para identificação de sistemas integrados de produção agropecuária - iLPF: implementação da U-Net com Sentinel-2.
Deep learning para identificação de sistemas integrados de produção agropecuária - iLPF: implementação da U-Net com Sentinel-2.
Autoria: VIEIRA, L. P.; SIMÕES, M.; FERRAZ, R. P. D.; KUCHLER, P. C.; LAGE, S. M.; LEITE, F. F. G. D.; FREITAS, P. L. de; MULLER, M. D.
Resumo: Este trabalho analisa a eficácia da arquitetura U-Net para a segmentação semântica de áreas de Integração Lavoura-Pecuária-Floresta (iLPF), utilizando imagens de satélite Sentinel-2 com bandas NDVI e RGB. A metodologia inclui técnicas de aumento de dados e avaliação por métricas como IoU, precisão e F1-Score. A configuração com NDVI e RGB alcançou uma precisão de 94,58%, F1-Score de 93,91% e IoU de 88,15%, superando o uso isolado do NDVI. Integrando o Projeto GeoABC+, conduzido pela Embrapa Solos e pela UERJ, e em parceria com a Associação Rede ILPF, o Projeto IS-Agro TED 450/2021 e o Projeto CHAMADA FUNDECT 18/2021 - MS CARBONO NEUTRO, este estudo apresenta o desenvolvimento de uma ferramenta para o mapeamento de sistemas iLPF no Brasil.
Ano de publicação: 2025
Tipo de publicação: Artigo em anais e proceedings
Unidade: Embrapa Solos
Palavras-chave: Aprendizado profundo, GeoABC+, ILPF, Plano ABC, Segmentação semântica
Observações
1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima.
2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.
Acesse outras publicações
Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.