Monitoramento de Uso da Terra em Larga Escala Utilizando Inteligência Artificial

Contexto:

Hoje, existe um grande volume de dados de dados sobre o nosso planeta aportados por uma  constelação  de  satélites  que  periodicamente  obtêm  imagens  de  sua  superfície. Essas imagens comerciais ou gratuitas chegam à resolução espacial submétrica.

Um  grande  desafio  do  sensoriamento  remoto  (ciência  de  observação  da  terra)  é processar essa massa enorme de dados para gerar mapas temáticos, ou seja, mapas que descrevem os tipos de uso e cobertura da terra, como plantações, florestas, área urbana, etc.  Para  tanto,  cada  vez  mais  utilizamos  técnicas  de  processamento  de  imagens avançadas,  sobretudo  aquelas  voltadas  para  reconhecimento  de  padrões  espaciais  via algoritmos de inteligência artificial.  Devido  à  complexidade  computacional  desses algoritmos  (deep  ou  machine  learning)  e  tamanho  das  imagens  de  entrada,  em  geral superando  10^5×10^5 pixels,  torna-se  necessário  otimização  por  processamento  paralelo, uso de GPU, processamento distribuído e outras técnicas.

Aplicações com imagens de alta resolução espacial são cada vez mais necessárias para conhecimento  do  nosso  território.  Logo,  profissionais  da  área  de  computação  com conhecimento  em  processamento  de  imagens  são  muito  necessitados  no  mercado  de trabalho.

Objetivo:

O  objetivo  desse  trabalho  é  o  desenvolvimento  de  soluções  para  o  monitoramento  da cobertura e uso da terra em escala estadual e nacional. Os resultados obtidos com os sistemas desenvolvido serão utilizados na prática para monitoramento e avaliação do uso correto  da  terra  em  diversas  regiões  do  país,  tendo  como  foco  a  avaliação  semi-automatizada de desflorestamento e conferência de cadastros ambientais rurais.

Desafios:

• Desenvolver  técnicas  de  análise  de  imagens  de  satélite  precisas  em  escala estadual e nacional;

• Utilizar de estratégias de otimização da execução dessas análises possibilitando sua rápida execução.

Requisitos:

• Ser  aluno(a)  regular  dos  cursos  de  Ciência  da  Computação,  Sistemas  de Informação, Matemática Computacional ou afins (incluindo engenharias etc.);

• Ser  capaz  de  trabalhar  em  um  grupo  interdisciplinar  formado  por  pesquisadores das áreas de computação, geografia, etc;

• Desejável conhecimento em Python, Deep Learning (tensor flow etc) ou motivação para se inteirar das tecnologias rapidamente.

Benefícios:

• Bolsa de iniciação científica inicial de R$1200 (20h);
• Horário flexível;
• Possibilidade de participar de pesquisas e publicações científicas de alto impacto;
• Possibilidade  de  seguir  estudos  em  nível  de  pós-graduação  com  remuneração compatível com mercado.

Contato:

Para  aplicar  para  a  iniciação  científica entre  em contato  através  dos  DOIS  e-mails  abaixo  utilizando  o  seguinte  assunto  no  e-mail  [IAGEO] e enviando currículo e histórico escolar.

• Prof. George Teodoro (george@dcc.ufmg.br)
• Prof. Renato Ferreira (renato@dcc.ufmg.br)