Classificação automática de áreas cafeeiras em imagens de satélite, utilizando Redes Neurais Artificiais

A classificação digital de imagens de satélite tem ganhado, nas últimas décadas, reconhecimento como técnica para suprir a escassez dos mapeamentos temáticos. Para classificar dados de diferentes origens as Redes Neurais Artificiais (RNA) são atualmente uma opção emergente. Minas Gerais é o estado que se destaca entre os demais estados brasileiros em área plantada e quantidade produzida de café. O conhecimento do ambiente em que o café está inserido permite um melhor planejamento da produção, visando o desenvolvimento sustentável e a obtenção de produtos com qualidade, uma vez que os fatores ambientais exercem grande influência sobre a qualidade da bebida. Assim o objetivo deste trabalho foi a criação de um algoritmo usando o software MATLAB e toolbox de Redes Neurais deste para a classificação de áreas cafeeiras em imagens de satélite, para identificar e mapear o uso e ocupação da terra, com ênfase na identificação de áreas cafeeiras na região de Três Pontas localizada no sul de Minas Gerais. Foram utilizadas RNAs convolutivas que é um Perceptron de múltiplas camadas projetado especificamente para reconhecer formas bidimensionais. Foi utilizado também o algoritmo backpropagation para o treinamento da rede neural. Para o desenvolvimento deste trabalho foram necessárias as seguintes etapas: definição do problema; pré-processamento dos dados; coleta dos dados de treinamento e de teste; arquitetura da rede; treinamento; teste e validação. Neste trabalho, foi demonstrado o potencial das redes neurais na classificação automática de áreas cafeeiras em imagens de satélite, o que justifica futuros trabalhos nesta área. O índice de acurácia Kappa obtido na região cafeeira de Três Pontas foi de 0,6711, com um índice global de 79,6025%, as áreas de café tiveram um acerto de 76,25%. Trabalhos Futuros visam a utilização de outros tipos de imagens, advindas de outros satélites e outras regiões, alem do acréscimo de outras características como forma, textura, índice de vegetação, etc