Glossário

Análise de imagens de satélite

Desbloqueia informações a partir de imagens de satélite com análises baseadas em IA para agricultura, gestão de catástrofes, planeamento urbano e conservação ambiental.

Treina os modelos YOLO simplesmente
com Ultralytics HUB

Aprende mais

A análise de imagens de satélite consiste em extrair informações significativas de imagens captadas por satélites em órbita da Terra. Este domínio combina técnicas de deteção remota com métodos computacionais avançados, nomeadamente a Inteligência Artificial (IA) e a Aprendizagem Automática (AM), para monitorizar e interpretar actividades ambientais e humanas em grande escala. A crescente disponibilidade de dados de satélite de alta resolução provenientes de fontes como o Earthdata da NASA e o programa Copernicus da Agência Espacial Europeia, juntamente com poderosos modelos de IA, torna esta análise crucial para compreender as mudanças globais e informar decisões em vários sectores. A utilização da visão por computador para analisar imagens de satélite revela informações anteriormente ocultas em vastos conjuntos de dados.

Aspectos essenciais da análise de imagens de satélite

O processo começa normalmente com a aquisição de imagens a partir de sensores de satélite, que frequentemente captam dados em várias bandas espectrais(dados multi-espectrais) ou mesmo centenas de bandas(dados hiperespectrais), que se estendem para além da luz visível. Estes dados em bruto requerem um pré-processamento para corrigir as distorções atmosféricas, os erros geométricos e o ruído do sensor, garantindo a precisão. Após o pré-processamento, são utilizadas técnicas de extração de caraterísticas, empregando frequentemente Redes Neuronais Convolucionais (CNN), para identificar padrões e caraterísticas relevantes. As tarefas comuns de visão por computador incluem a deteção de objectos para localizar itens específicos, como navios ou edifícios, utilizando caixas delimitadoras, e a segmentação de imagens para classificar pixels em categorias como massas de água, florestas ou áreas urbanas. Modelos como o Ultralytics YOLOe, em particular, versões como o YOLOv8 e a mais recente YOLO11são adequadas para processar estes grandes conjuntos de dados de forma eficiente devido à sua velocidade e precisão. Por fim, as caraterísticas extraídas são interpretadas para gerar informações e relatórios. Plataformas como o Ultralytics HUB podem facilitar o treinamento de modelos personalizados e agilizar a implantação de modelos.

Aplicações no mundo real

A análise de imagens de satélite tem inúmeras aplicações práticas impulsionadas pela IA:

Distinção de outros campos de análise de imagem

Embora partilhe as principais técnicas com a visão por computador (CV) e o reconhecimento de imagens, a análise de imagens de satélite é distinta devido a vários factores:

  • Escala: Lida com imagens que cobrem vastas áreas geográficas, exigindo frequentemente um processamento distribuído e algoritmos eficientes como os encontrados na famíliaYOLO .
  • Tipo de dados: Utiliza frequentemente dados multi-espectrais ou hiper-espectrais, captando informações para além do espetro visível, ao contrário das imagens RGB padrão utilizadas em muitas outras aplicações CV.
  • Desafios específicos: Deve abordar questões únicas como a interferência atmosférica (nuvens, neblina), condições de iluminação variáveis e a necessidade de correcções geométricas precisas (ortorrectificação) para alinhar as imagens com precisão com as coordenadas terrestres.
  • Foco: Ao contrário da análise de imagens médicas, que se centra em estruturas internas pormenorizadas para diagnóstico(deteção de tumores em imagens médicas), a análise de satélites interpreta grandes áreas de superfície para obter informações sobre o ambiente, a agricultura ou as infra-estruturas. Difere do rastreio de objectos padrão por lidar frequentemente com caraterísticas de grande escala estacionárias ou lentas, embora o rastreio de objectos em movimento, como navios, seja também uma aplicação relevante.
Lê tudo