Dados de Treino para Aplicações SIG de Machine Learning - 2 de 2

22-02-2023

Dados, Treino, Aplicações, SIG, Machine, Learning

Continuação do artigo da passada segunda-feira.

Ferramentas e técnicas para o SIG

Para a inteligência geoespacial, os dados são recolhidos através de satélites, drones e outras fontes aéreas que capturam tudo dentro de uma área geográfica específica, e a anotação de dados necessária varia consoante o caso de utilização final. Na empresa iMerit, os fluxos de trabalho e o design de projetos são ajustados para se adaptarem à vasta gama de aplicações geoespaciais.

Por exemplo, no caso das companhias de seguros, o iMerit utiliza a classificação de imagem e a anotação de polígonos 2D para capturar características de um edifício como janelas, portas, garagens, piscinas, para avaliar a taxa de prémio do seguro.

No caso de uma aplicação militar, a captação de dados é sofisticada e envolve múltiplos métodos e apoio tecnológico. Tecnologias como a SONAR também são usadas para recolher dados. Os dados de LiDAR criam imagens do topo de edifícios que podem ser utilizadas para criar mapas topográficos, e modelos de elevação para diferentes casos de uso.

No caso de inspeção de infraestruturas, os drones são enviados com vídeo RGB, bem como sensores LiDAR para obter digitalizações de alta-fidelidade ou modelos de infraestrutura onde se podem detetar áreas onde existem problemas.

Por exemplo, a Califórnia é conhecida por ter uma infraestrutura de energia envelhecida para linhas de energia que foram atualizadas com a ajuda da inteligência geoespacial. O Texas é um exemplo onde as infraestruturas afetadas pela tempestade de neve estão a ser identificadas utilizado drones e outros meios aéreos para serem restauradas.

SIG, ML, Multicamada, Dados

Futuro das soluções de dados para a inteligência geoespacial

A quantidade de dados disponíveis e recolhidos aumentou drasticamente. Tal como a procura de uma resolução mais elevada e de dados de melhor qualidade. Existem diferentes tipos de dados que estão a emergir, como os dados de abertura sintética (Synthetic Aperture Data - SAR), que são relativamente novos. Estamos a começar a ver diferentes formas de recolher dados. O que é realmente transformador é o LiDAR, que está a ajudar a criar representações 3D altamente precisas ou modelos de diferentes aspetos do mundo.

Há outra perspetiva interessante que está a ser cada vez mais utilizada, aplicando Machine Learning e Visão Computacional a estes tipos de dados para automatizar parte desta análise, que era normalmente feita manualmente pelos analistas SIG.

O SIG e o Machine Learning continuarão a evoluir, trazendo casos de uso únicos e subsequentes complexidades no uso de dados para a vanguarda. Este dinamismo requer formação e desenvolvimento de competências de anotadores de dados para fornecer dados de alta qualidade, para alimentar sistemas liderados por inteligência artificial e aprendizagem automática. É, pois, vital que os fornecedores de anotação de dados reúnam tecnologia, talento e técnica para fornecer dados simplificados e de alta qualidade para as empresas e a sociedade tomarem decisões informadas.