APLICACIÓN DE IMÁGENES CBERS Y APRENDIZAJE AUTOMÁTICO EN EL DIMENSIONAMIENTO Y LOCALIZACIÓN DE PISCIFACTORÍAS

Resumen

O uso de ferramentas baseadas em inteligência artificial ampliou significativamente a aplicação de sensores remotos, especialmente na identificação e monitoramento de parques aquáticos. Este estúdio avaliou a aplicabilidade do Segment Anything Model (SAM), integrado ao SamGeo, na segmentação automática de áreas de piscicultura em imagens CBERS com resolução de 2 metros, no município de Conceição do Araguaia, Pará, Brasil. Duas áreas de interesse foram demonstradas, e o processamento das imagens foi realizado com prompts de linguagem natural, gerando máscaras de segmentação convertidas em formato vetorial para análise em SIG. O desenho do modelo foi avaliado utilizando análises de IoU e F1-Score, alcançando valores de 0,50 e 0,66, respectivamente. A metodologia apresentou maior precisão em tanques de formato regular, embora com estruturas mais pequenas ou com dimensões estritas apresentadas com limitações. Os resultados demonstram que a combinação de imagens CBERS e modelos avançados de segmentação permite a identificação eficiente de piscifatórias, oferecendo um suporte relevante para o monitoramento e gestão territorial. No entanto, recomendamos melhorias na resolução das imagens e limitações das restrições do modelo para aumentar a precisão em aplicações que desativam alta precisão espacial.