Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/43890
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2025_JoseAlejandroLopezLorenzo_tcc.pdf24,6 MBAdobe PDFver/abrir
Título: Detecção de embarcações no Rio Amazonas por meio de radar de abertura sintética
Autor(es): López Lorenzo, José Alejandro
Orientador(es): Silva, William Reis
Assunto: Sensoriamento remoto
Rio Amazonas
Radar de Abertura Sintética (SAR)
Data de apresentação: 8-Dez-2025
Data de publicação: 3-Mar-2026
Referência: LÓPEZ LORENZO, José Alejandro. Detecção de embarcações no Rio Amazonas por meio de radar de abertura sintética. 2025. 123., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Aeroespacial) — Universidade de Brasília, Brasília, 2025.
Resumo: O sensoriamento remoto desempenha papel fundamental no monitoramento ambiental no Brasil, um país de dimensões continentais que concentra aproximadamente 50% das terras da América do Sul e 81% de seus recursos hídricos na Região Hidrográfica Amazônica. O rio Amazonas, principal via fluvial da região, conecta localidades estratégicas que vão do Peru até os estados do Pará e Amapá. A tríplice fronteira entre Brasil, Peru e Colômbia destaca-se como uma das áreas mais vulneráveis à movimentação de atividades ilícitas, majoritariamente realizadas por transporte marítimo. Nesse contexto, a detecção e o monitoramento de embarcações por meio de satélites, em especial utilizando Radar de Abertura Sintética (SAR), tornam-se ferramentas indispensáveis para reforçar as ações de controle e combate às atividades ilícitas realizadas por meio de meios aquáticos. Nesse sentido, este estudo propõe a análise do modelo YOLOv12, em suas variantes n, s e m,para a tarefa de detecção de embarcações. Este documento aborda tanto a elaboração de uma base de dados proveniente do satélite de radar Sentinel-1 quanto o treinamento dos modelos mencionados. A base de dados resultante compreende 359 imagens e 674amostras de embarcações. Os resultados, avaliados por meio das métricas de desempenho, mostram que a variante YOLOv12 s alcançou precisão de 72,00%, revocação de 65,06% eF1-Score de 68,35% para a cena complexa de Manaus, utilizando um limiar de confiança de 0,50. Para essa mesma cena, com um limiar de 0,25, os valores de precisão, revocação e F1-Score foram de 67,89%, 68,67% e 68,26%, respectivamente. Os resultados evidenciam que a variante YOLOv12s apresentou desempenho superior em comparação às variantes n e m, sendo, portanto, o modelo selecionado para a detecção de embarcações nas áreas de interesse. A partir das detecções realizadas, foram gerados arquivos vetoriais contendo informações relevantes sobre cada embarcação identificada. Por fim, conclui-se que o uso desse tipo de solução tecnológica contribui para o avanço e o fortalecimento de iniciativas espaciais voltadas à segurança pública.
Abstract: Remote sensing plays a fundamental role in environmental monitoring in Brazil, a country of continental dimensions that contains approximately 50% of the land area of South America and 81% of its water resources within the Amazon Hydrographic Region. The Amazon River, the main fluvial route of the region, connects strategic locations ranging from Peru to the states of Pará and Amapá. The tri-border area between Brazil, Peru,and Colombia stands out as one of the most vulnerable regions to illicit activities, which are mostly carried out through maritime transport. In this context, the detection and monitoring of vessels by means of satellites, especially using Synthetic Aperture Radar(SAR), become indispensable tools to strengthen control actions and combat illicit activities conducted through aquatic routes. In this sense, this study proposes the analysis of the YOLOv12 model, in its n, s and m variants, for the task of vessel detection. This document addresses both the construction of a database derived from Sentinel-1 radar satellite imagery and the training of the aforementioned models. The resulting database comprises 359 images and 674 vessel samples. The results, evaluated through performance metrics, show that the YOLOv12 s variant achieved a precision of 72.00%, recall of 65.06%and F1-Score of 68.35% for the complex scene of Manaus, using a confidence threshold of 0.50. For this same scene, but with a threshold of 0.25, the values of precision, recall and F1-Score reached 67.89%, 68.67% and 68.26%, respectively. The results show that theYOLOv12 s variant presented superior performance compared to the n and m variants,being therefore the chosen model for vessel detection in the areas of interest, generating from the detection results vector files containing important information about each vessel.Finally, it is concluded that the use of this type of technological solution contributes to the development and strengthening of space-based initiatives in favor of public security.
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Ciências e Tecnologias em Engenharia, 2025.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Engenharia Aeroespacial



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.