12 casos de utilização de imagens aéreas potenciados pela visão computacional

Todos os dias, drones e satélites capturam imagens de fazendas, cidades, litorais, florestas e infraestruturas. De uma perspectiva aérea, eles conseguem captar mudanças subtis, mas significativas, como o crescimento desigual das plantações, o aumento dos congestionamentos, a alteração das linhas costeiras ou a atividade em áreas monitorizadas.

Muitos desses sinais são provocados pela atividade humana, mas frequentemente são difíceis de detetar a partir do solo. As imagens aéreas permitem observar claramente esses ambientes, mesmo em locais remotos ou perigosos.

No entanto, à medida que o volume de dados recolhidos aumenta, ter apenas visibilidade não é suficiente. Aplicações de grande escala, como a agricultura ou a monitorização urbana, podem gerar milhares de imagens, tornando a revisão manual lenta, trabalhosa e impraticável.

A tecnologia de visão computacional oferece uma alternativa melhor ao automatizar este processo de análise e revisão. A IA de visão é um campo da inteligência artificial (AI) que permite às máquinas interpretar e compreender dados visuais. Em particular, os modelos de visão computacional podem detetar e classificar objetos, mapear limites precisos e acompanhar movimentos em grandes volumes de imagens aéreas em tempo real, permitindo uma monitorização consistente e escalável das mudanças.

Neste artigo, vamos explorar por que razão a visão computacional é essencial para sistemas inteligentes de imagens aéreas e apresentar 12 casos de uso de imagens aéreas em que os dados visuais podem ser transformados em inteligência acionável. Vamos começar!

Transformar imagens aéreas em informações acionáveis com visão computacional#

Os sistemas de imagens aéreas geram enormes quantidades de dados espaciais. Por exemplo, um drone que sobrevoe uma cidade pode capturar milhares de fotografias aéreas de alta resolução de quarteirões e atividades humanas.

Da mesma forma, as imagens de satélite podem fornecer um fluxo contínuo de dados visuais. Rever estes dados manualmente pode ser difícil. Muitas vezes, a análise de imagens tem de ser realizada de forma rápida e precisa, especialmente em casos de uso como a avaliação de danos causados por terramotos, em que o tempo é crítico.

A visão computacional facilita o tratamento destes dados ao converter imagens de drones e satélites em informações que uma máquina consegue compreender. As soluções de IA de visão funcionam ao introduzir os dados visuais capturados em modelos de visão computacional, que depois executam várias tarefas de visão. Estas incluem detetar objetos, mapear grandes áreas de interesse e acompanhar mudanças ao longo do tempo.

Modelos como o Ultralytics YOLO26 foram concebidos para tarefas de visão em tempo real, como deteção de objetos, segmentação de instâncias e rastreamento de objetos. Eles conseguem processar imagens de forma eficiente em dispositivos pequenos ou em grandes regiões geográficas, tornando possível converter dados aéreos em direto em informações acionáveis assim que são capturados.

Principais tarefas de visão computacional para casos de uso de imagens aéreas#

Veja mais de perto algumas tarefas de visão computacional comuns utilizadas para extrair informações relevantes de imagens aéreas:

• Classificação de imagens: esta tarefa atribui etiquetas a imagens inteiras, como tipos de culturas, categorias de cobertura do solo ou condições ambientais, facilitando a organização e a filtragem de grandes conjuntos de dados aéreos.
• Deteção de objetos: itens específicos de interesse, incluindo pessoas, veículos, edifícios ou animais, podem ser identificados e localizados numa imagem através da deteção de objetos. Esta tarefa é a base de muitos fluxos de trabalho de análise aérea.
• Segmentação de instâncias: pode ser utilizada para mapear limites precisos dos objetos ao nível dos píxeis, o que é essencial para aplicações como agricultura e monitorização ambiental que exigem medições detalhadas de áreas.
• Rastreamento de objetos: com base na deteção, o rastreamento de objetos acompanha objetos identificados em vários fotogramas ou períodos. Isto fornece informações sobre padrões de movimento e mudanças ao longo do tempo, algo fundamental para monitorizar cenas dinâmicas.
• Deteção de caixas delimitadoras orientadas (OBB): no caso de imagens aéreas em que os objetos aparecem em diferentes ângulos, as caixas delimitadoras orientadas conseguem captar a orientação e a forma dos objetos com maior precisão, melhorando a qualidade da deteção de objetos como navios, veículos e infraestruturas.

Fig. 1. Um exemplo de utilização do YOLO para deteção de OBB (Fonte)

12 casos reais de uso de imagens aéreas impulsionados pela visão computacional#

Agora que compreendemos melhor a visão computacional em imagens aéreas, vamos abordar algumas aplicações reais de imagens aéreas nas quais a IA de visão pode ser utilizada.

1. Gestão da irrigação e agricultura de precisão#

Os problemas relacionados com a água desenvolvem-se frequentemente de forma lenta e passam despercebidos na agricultura. Questões como fugas na irrigação, distribuição desigual da água e stress hídrico das culturas podem acumular-se ao longo do tempo sem sinais evidentes. Quando os danos nas culturas se tornam visíveis, os agricultores já perderam produção.

As imagens aéreas podem ser utilizadas para monitorizar terrenos agrícolas inteiros de uma só vez. A partir do ar, as mudanças na saúde das culturas e na humidade são muito mais fáceis de detetar do que através de inspeções no solo.

Estes dados podem ser analisados por visão computacional para separar áreas de cultivo e detetar problemas como zonas secas ou áreas excessivamente irrigadas. Isto permite agir mais cedo, utilizar melhor a água e obter maiores rendimentos das culturas a um custo inferior.

2. Avaliação de danos causados por terramotos e deslizamentos de terras#

Até um pequeno atraso na tomada de decisões pode afetar negativamente os esforços de salvamento e resposta durante um desastre natural. Desastres como terramotos e deslizamentos de terras resultam frequentemente em edifícios instáveis e estradas bloqueadas, complicando os esforços de salvamento ao tornar algumas áreas inacessíveis. Isto pode tornar as inspeções tradicionais no solo lentas, perigosas ou, por vezes, impossíveis.

A deteção remota possibilitada por dados aéreos e imagens de satélite proporciona às equipas de resposta uma visão rápida e abrangente das regiões afetadas. Em poucos minutos, podem ver edifícios colapsados, estradas danificadas e as áreas mais afetadas sem esperar pelo acesso físico.

Os sistemas de visão computacional podem prestar apoio adicional às equipas de salvamento utilizando estes dados aéreos para identificar estruturas danificadas e rotas bloqueadas. Os sistemas integrados com modelos como o Ultralytics YOLO26 podem ser treinados para detetar deslizamentos de terras, detritos e obstruções nas estradas diretamente a partir de imagens aéreas. Isto ajuda as equipas de salvamento a responder mais rapidamente e a atribuir recursos de forma mais eficaz durante a gestão de desastres.

3. Auditoria de conformidade e deteção de mudanças em cidades inteligentes#

Violações urbanas, como deposição ilegal de resíduos, uso indevido do solo e ocupação de espaços públicos, acontecem frequentemente sem que ninguém as perceba. Quando são detetadas no solo, o problema provavelmente já se espalhou por várias áreas.

As imagens aéreas simplificam a monitorização desses problemas em áreas urbanas. Por exemplo, imagens regulares captadas por drones a partir do ar fornecem uma visão clara e atualizada de ruas, terrenos abertos e espaços públicos difíceis de aceder através de inspeções manuais.

Os modelos de IA de visão podem ser utilizados para analisar estas fotografias aéreas e detetar locais de deposição de resíduos e estruturas não autorizadas. Quando combinados com sistemas de informação geográfica (GIS) e dados de zoneamento, os responsáveis municipais podem acompanhar a acumulação de violações ao longo do tempo, identificar áreas semelhantes e aplicar regras de manutenção de forma mais eficaz.

4. Análise de redes rodoviárias e do trânsito#

Gerir redes rodoviárias é difícil quando a visibilidade depende exclusivamente de sensores no solo e câmaras fixas. Embora possam destacar pontos isolados de preocupação na estrada, têm dificuldade em captar o comportamento do trânsito em toda uma cidade.

As imagens aéreas de alta resolução resolvem este problema ao mostrar estradas, cruzamentos e fluxo de trânsito numa única vista. Com este método, é mais fácil detetar estrangulamentos, acumulação de trânsito e estacionamento ilegal do que com sistemas baseados no solo. Quando os sistemas aéreos são integrados com modelos de visão como os modelos Ultralytics YOLO, podem ajudar a analisar o trânsito em grandes áreas.

Fig. 2. Utilização de modelos YOLO para analisar as condições do trânsito (Fonte)

5. Levantamento de propriedades e avaliação imobiliária#

Medições precisas são essenciais quando terrenos e edifícios são levantados para fins de avaliação, planeamento ou regulamentação. Os levantamentos manuais podem ser demorados, especialmente em propriedades grandes ou de difícil acesso, e até pequenas inconsistências podem causar atrasos ou exigir trabalho adicional.

Os drones e outras plataformas aéreas ajudam ao capturar imagens atualizadas das propriedades a partir do ar. Quando combinadas com fotogrametria e LiDAR, estas imagens podem gerar modelos tridimensionais detalhados do terreno e das estruturas envolventes, reduzindo a necessidade de visitas frequentes ao local.

A visão computacional apoia este processo ao ajudar em tarefas como identificar características visíveis das propriedades, delinear limites aproximados e medir distâncias ou áreas a partir das imagens. Estes resultados são normalmente revistos e validados por topógrafos, ajudando as equipas a trabalhar de forma mais eficiente sem comprometer a precisão.

6. Fotografia aérea para uma narrativa mais cinematográfica#

Em algumas situações, ferramentas tradicionais de filmagem, como suportes de câmara e gruas, podem limitar a forma como determinadas cenas são captadas, especialmente quando são necessárias vistas amplas ou movimentos rápidos e dinâmicos. Os drones ajudam a ultrapassar estas limitações ao permitir captações aéreas suaves em grandes espaços.

Dão aos cineastas a liberdade de captar paisagens abrangentes, cenas de ação complexas e planos de acompanhamento aéreos difíceis de obter a partir do solo. Os drones equipados com visão computacional também podem ser utilizados para acompanhar objetos em imagens de alta resolução, permitindo que a câmara siga suavemente objetos em movimento, como um veículo. Isto reduz a necessidade de controlo manual constante e ajuda as equipas a captar imagens estáveis e cinematográficas de forma mais eficiente.

7. Monitorização de fronteiras e perímetros#

Monitorizar grandes regiões fronteiriças e perímetros pode ser difícil devido à extensão do terreno, às localizações remotas e ao acesso limitado a partir do solo. Manter uma cobertura consistente nestas áreas exige frequentemente recursos significativos e, ainda assim, pode deixar lacunas de visibilidade.

Os sistemas de imagens aéreas podem ser uma forma escalável de melhorar a perceção situacional em regiões extensas. Os drones e outras plataformas aéreas podem recolher imagens que proporcionam visibilidade contínua sem exigir uma presença constante no solo.

As técnicas de visão computacional podem ser utilizadas para analisar estes dados, identificar padrões de movimento, como pessoas ou veículos, acompanhar mudanças ao longo do tempo e destacar atividades irregulares. Isto ajuda as organizações a melhorar os tempos de resposta e a atribuir recursos de forma mais eficaz.

8. Monitorização de populações de animais selvagens#

Os levantamentos tradicionais de animais selvagens, como patrulhas terrestres ou voos a baixa altitude, podem perturbar os animais e frequentemente resultam em lacunas na recolha de dados, especialmente em habitats grandes ou remotos. Estes métodos também podem ser difíceis de escalar de forma consistente ao longo do tempo.

Os sistemas aéreos são uma forma menos intrusiva de monitorizar animais selvagens. Os drones equipados com sensores multiespectrais permitem às equipas observar os animais à distância e apoiar uma recolha de dados mais consistente, mesmo em vegetação densa ou condições de pouca luz.

Os modelos de visão computacional podem então analisar estas imagens para ajudar em tarefas como detetar e contar animais, permitindo às equipas atribuir recursos de forma mais eficaz e tomar decisões mais informadas para a proteção dos habitats e os esforços de conservação.

Fig. 3. Utilização de imagens de drones baseadas em visão para contar aves (Fonte)

9. Melhorar a segurança nas minas com monitorização aérea#

Os locais de mineração envolvem frequentemente maquinaria pesada e terrenos em mudança, o que pode tornar as inspeções de rotina demoradas. Depender apenas de inspeções no solo também pode exigir um acesso mais frequente ao local.

As imagens de satélite e aéreas permitem que inspetores e operadores vejam locais de mineração inteiros a partir do ar. Esta perspetiva mais abrangente facilita a observação de mudanças nos limites das escavações, nas estradas de transporte, nas pilhas de armazenamento e na localização dos equipamentos, em comparação com verificações ao nível do solo.

A visão computacional apoia este processo ao detetar e delinear elementos visíveis, como veículos, pilhas de armazenamento, estradas de transporte e limites das escavações. Isto permite às equipas concentrar as inspeções em locais específicos, reduzir visitas desnecessárias e manter uma supervisão consistente da segurança.

10. Deteção e análise da propagação de incêndios florestais#

Os incêndios florestais podem propagar-se rapidamente, por vezes até mais depressa do que as equipas no solo conseguem responder. Quando os incêndios são comunicados, grandes áreas podem já ter sido afetadas.

Com a utilização de drones e sistemas de imagens de satélite, é mais fácil detetar incêndios precocemente em grandes áreas florestais. Estes sistemas também apoiam a monitorização ambiental, mesmo em áreas com acesso limitado a partir do solo.

Especificamente, os modelos de visão computacional podem detetar fumo e chamas e acompanhar a propagação dos incêndios ao longo do tempo. Estes sistemas também podem apoiar uma avaliação rápida dos danos, ajudando as equipas de resposta a agir mais depressa e a limitar o impacto a longo prazo.

Fig. 4. Deteção de incêndios florestais utilizando imagens aéreas (Fonte)

11. Monitorização de portos e zonas portuárias#

Os portos lidam com o movimento constante de embarcações, horários apertados e espaço limitado, o que dificulta a visualização de tudo o que acontece ao mesmo tempo. Os métodos tradicionais de monitorização frequentemente não detetam atividades em tempo real, como o movimento de contentores ou a acumulação de trânsito.

As imagens aéreas ou captadas por drones oferecem uma forma simples de obter uma visão clara das operações portuárias a partir do ar. Podem mostrar onde estão os navios, como o trânsito se movimenta e onde se formam congestionamentos em toda a zona portuária. A IA de visão pode então analisar estas imagens para acompanhar embarcações e detetar congestionamentos precocemente, ajudando os portos a gerir o trânsito de forma mais fluida e a manter as operações eficientes.

12. Deteção de derrames de petróleo#

Os derrames de petróleo são difíceis de identificar nas fases iniciais, especialmente em grandes áreas oceânicas. Quando são comunicados, o derrame pode já se ter espalhado e danificado o ecossistema envolvente.

A perspetiva aérea dos drones proporciona imagens claras de águas abertas. Como resultado, as mudanças na cor e na textura da superfície são mais fáceis de observar a partir de uma altitude elevada.

Estas imagens podem ser analisadas através de visão computacional para detetar e segmentar derrames precocemente e acompanhar a sua propagação. Isto permite uma contenção mais rápida e ajuda a reduzir os danos a longo prazo nos ecossistemas marinhos.

Fig. 5. Deteção de derrames de petróleo utilizando IA de visão (Fonte)

Principais conclusões#

Quando combinadas com visão computacional, as imagens aéreas tornam-se mais do que representações visuais estáticas e começam a fornecer informações práticas. À medida que os volumes de dados aumentam, estes sistemas tornam-se mais rápidos e automatizados, com a análise a ocorrer cada vez mais perto do momento da captura. Esta mudança está a transformar as imagens aéreas de uma simples forma de observação num apoio a uma tomada de decisões mais informada e atempada.

Junta-te à nossa comunidade! Explora o nosso repositório do GitHub para saberes mais sobre IA. Descobre a visão computacional na indústria transformadora e a IA na logística visitando as nossas páginas de soluções. Para começares a criar com visão computacional, consulta as nossas opções de licenciamento.