Contagem e identificação individual de árvores por visão aérea

Abstract

Neste trabalho, é apresentado um método para a contagem e identificação individual de árvores a partir de imagens aéreas de drone, focando em contornar a necessidade de grandes volumes de dados rotulados. A abordagem se baseia em um fluxo lógico de processamento dividido em três etapas principais. A primeira etapa consiste em isolar a vegetação, onde o sistema de identificação de árvores, construído a partir de amostras indicadas pelo usuário, aprende a diferenciar e mascarar objetos não interessantes (NIOs), como solo e sombras, resultando em uma imagem contendo apenas as árvores. A segunda etapa foca na contagem individual, na qual a imagem de árvores é segmentada em regiões menores que são, em seguida, agrupadas de forma supervisionada para reconstruir cada árvore inteira, mesmo quando suas copas se tocam. Por fim, na terceira etapa, a identificação de espécies é realizada através da clusterização das árvores já contadas, agrupando-as com base em suas característi cas visuais (como cor e textura) para estimar o número de tipos diferentes presentes na área. Os resultados da pesquisa, que comparou diversos algoritmos para cada etapa, demonstram que a abordagem é funcional, dentre os algoritmos, para clusterização foram utilizados: k-means e gaussian mixture. Dentre os algoritmos de segmentação foram testados: SLIC e ETPS. O método também possibilita o cálculo de índices de diversidade ecológica, como Shannon e Simpson, fornecendo uma ferramenta para análise ambiental e auxílio na tomada de decisão para preservação. O trabalho conclui que a abordagem híbrida, combinando interação do usuário com processos automáticos, é uma solução viável e robusta para o problema, ainda que existam limitações como a dependência de parâmetros empíricos e a necessidade de intervenção humana em fases de treinamento.