Banca de QUALIFICAÇÃO: MARCOS PAULO CAVALCANTE FONSECA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MARCOS PAULO CAVALCANTE FONSECA
DATA : 28/08/2026
HORA: 13:00
LOCAL: https://conferenciaweb.rnp.br/users/aroldo-fereira-lopes-machado
TÍTULO:

USO DE VEÍCULO AÉREO NÃO TRIPULADO (VANT) E USO DE REDES NEURAIS ARTIFICIAIS NO MONITORAMENTO DE PLANTAS DANINHAS EM ÁREAS DE RESTAURAÇÃO FLORESTAL DA MATA ATLÂNTICA.

PALAVRAS-CHAVES:

Inteligência Artificial; Imageamento; Georreferenciamento; Reflorestamento.

PÁGINAS: 27
RESUMO:

No Brasil, a restauração ecológica está em expansão. Um dos grandes desafios é o manejo da matocompetição. Muitas áreas, onde são realizados esses projetos de restauração, são ocupadas por plantas daninhas, que dificultam o estabelecimento das espécies nativas necessitando de manejo. O monitoramento e identificação destas plantas daninhas é o primeiro passo no manejo sustentável da matocompetição. O uso de sensoriamento remoto, pode se tornar uma ferramenta, para tomada de decisão no manejo das plantas daninhas. A inteligência artificial e a aprendizagem profunda, podem ser grandes aliadas na identificação as plantas daninhas com precisão e diferenciá-las das espécies de interesse. O objetivo deste projeto é selecionar algoritmos, para detectar momentos críticos, para intervenção nas plantas daninhas em áreas de restauração florestal, utilizando imagens optimizadas por VANT e modelos de aprendizagem profunda. As parcelas de campo serão montadas em áreas de restauração ecológica no município de Cachoeiras de Macacu. A área de estudo, possui 2400m² (40x60m), foi dividida em quatro blocos homogêneos de 600m², com cada parcela tendo 100 m2. Serão coletados 3 pontos amostrais por cada parcela, com auxílio de um quadrado de 1m de lado. Esses pontos, serão georreferenciados pelo sistema de posicionamento global (GPS). As plantas, dentro do quadrado, serão identificadas e quantificadas, terão também suas partes aéreas coletadas, para posterior determinação da matéria seca. Inicialmente serão realizados voos nas glebas a cerca de 60 metros de altura, para coleta de imagens multiespectrais e comparar com as coletas a campo, que serão realizadas posteriormente. Cada voo e coleta, serão utilizados, para validação dos modelos de aprendizado, que serão testados. Com os dados coletados em campo, serão calculados Frequência Relativa (FR), Densidade Relativa (DeR) e Dominância relativa (DoR) e o índice de valor de importância (IVI). Serão testados cinco softwares de segmentação de imagens: R Studio (®), Detectron 2 (®), Qgis (®), Google Earth Engine (®) e U-net (®). Durante a etapa de treinamento e classificação, os diferentes algoritmos, serão testados e comparados, quanto a consistência eficiência em relação aos dados coletados na realidade do campo. Como resultados esperados, pretende-se: Monitorar e caracterizar, com o auxílio de VANT e sensoriamento remoto, populações de plantas daninhas em áreas de restauração florestal, gerando dados fitossociológicos destas espécies, para que seja possível, com esses dados realizar uma tomada de decisão mais precisa sobre o manejo desta, selecionar uma IA, capaz de reconhecer espécies de plantas daninhas em áreas de restauração florestal , comparando com o reconhecimento tradicional, para que o nível de precisão, seja o mais consistente possível.

MEMBROS DA BANCA:
Interno - 1905333 - AROLDO FERREIRA LOPES MACHADO
Externo ao Programa - 2145654 - BRUNO ARAUJO FURTADO DE MENDONCA - UFRRJExterno ao Programa - 1050615 - MURILO MACHADO DE BARROS - UFRRJ