Controle por geotecnologia

seg, 14/05/2018 - 08:00
Português, Brasil
No DCC, o grupo PATREO, coordenado pelo professor Jefersson Alex dos Santos, está criando uma ferramenta baseada em reconhecimento de padrões por Deep Learning para automatizar a busca, em imagens de satélite, de possíveis inconformidades.

(Itamar Rigueira Jr.)

Duas pesquisas desenvolvidas na UFMG, vinculadas à geotecnologia, serão peças-chave do Projeto GeoControle, desenvolvido pelo Tribunal de Contas da União (TCU) para maximizar a eficiência das atividades de fiscalização e controle externo em projetos e obras de infraestrutura. 

Pesquisadores do Departamento de Cartografia do Instituto de Geociências (IGC) entregaram ao TCU cinco modelos de inteligência geográfica destinados a estudos de viabilidade para obras e investimentos nas áreas de ferrovia, rodovia, linha de transmissão de energia, aeroportos e construção de escolas. Um grupo do Departamento de Ciência da Computação, do ICEx, por sua vez, está criando uma ferramenta baseada em reconhecimento de padrões por Deep Learning para automatizar a busca, em imagens de satélite, de possíveis inconformidades em empreendimentos lineares, como ferrovias e rodovias. Nos dois casos, os contratos foram firmados entre a Fundep e a agência alemã GIZ, que investe em projetos de interesse ambiental na América Latina. 

​(...)

Detector de inconformidades
Ferramenta baseia-se na técnica de Aprendizado Profundo

Exemplo de irregularidade próxima a ferrovia: descarte irregular de materiais em obras de terraplenagem Arquivo do projeto

Imagens de satélite sobre uma ferrovia que atravessa parte do Brasil geram enorme quantidade de informação. Como órgão fiscalizador, o Tribunal de Contas da União (TCU) precisa de agilidade, por exemplo, para identificar irregularidades, como pontos de erosão e construções indevidas às margens da linha de trem. Para mapear possíveis inconformidades, o grupo de interesse em Reconhecimento de Padrões para Observação da Terra (Patreo), do Departamento de Ciência da Computação do ICEX, desenvolve ferramentas baseadas em inteligência artificial, utilizando processo de classificação supervisionada para detectar padrões visuais de irregularidades nas imagens aéreas.

O grupo da UFMG desenvolve a ferramenta em forma de plug-in que poderá ser incorporada ao software comercial de geoprocessamento utilizado pelo Projeto GeoControle, do TCU. “Os softwares comerciais fornecem algoritmos clássicos e genéricos, que não garantem qualidade para aplicações tão específicas. Estamos criando uma abordagem especializada para reconhecimento desse tipo de padrão”, afirma o professor Jefersson Alex dos Santos, coordenador do projeto, iniciado há pouco mais de dois meses e com duração prevista de um ano.

A ferramenta que será entregue pelo Patreo é baseada em Aprendizado Profundo (do inglês deep learning), técnica de inteligência artificial que é a mais avançada para reconhecimento de padrões, com índices de acurácia que chegam próximo de 100% para várias aplicações. Desenvolvido na década de 1990 e impulsionado nos últimos anos pelos avanços de hardware, o tipo mais comum de Deep Learning, segundo Jefersson dos Santos, é baseado em redes neurais artificiais convolucionais, conjunto de técnicas inspiradas no córtex visual do cérebro humano.

De acordo com o professor do DCC, um ano será tempo suficiente para preparar o plug-in que detecte as principais irregularidades relacionadas à construção de ferrovias e à gestão fundiária. Nesse último caso, o objetivo do TCU é aferir dados do Cadastro Ambiental Rural e fiscalizar o Projeto Terra Legal, na Amazônia. 

Amostras sintéticas
Como há poucas amostras de imagens de irregularidades, e o Deep Learning demanda grande quantidade de amostras para funcionar de maneira adequada, o sistema será abastecido e treinado com amostras geradas sinteticamente. “Vamos usar imagens de outras fontes, como rodovias, que abrigam situações similares às das ferrovias, para enriquecer nossa base de dados”, explica Jefersson dos Santos.
Criado em 2014 pelo próprio professor e alunos, o grupo de interesse em Reconhecimento de Padrões para Observação da Terra iniciou suas pesquisas com mapeamento de culturas agrícolas. Nos últimos dois anos, publicou artigos que demonstravam o potencial do Deep Learning para aplicações em sensoriamento remoto. 
O grupo do DCC foi escolhido para atuar no projeto GeoControle via chamada pública, e o sistema criado na UFMG será disponibilizado para outros tribunais de países latino-americanos. A equipe coordenada por Jefersson Alex dos Santos reúne dois alunos de doutorado e dois de graduação, mais um gerente de projetos com experiência no mercado