Título: Identificação de mudanças em áreas de mineração a céu aberto por meio de imagens de satélite e aprendizado profundo
Autores: Hércules Carlos Dos Santos Pereira, Valdivino Alexandre de Santiago Junior, Elcio Hideiti Shiguemori, Dener César Mendes, Caio Eduardo Dias, Matheus Corrêa Domingos & Luisa Mirelle
Resumo: A mineração a céu aberto pode gerar impactos ambientais significativos, contaminando solo, ar e corpos hídricos. Embora existam estudos com inteligência artificial (IA) para detectar essasáreas, ainda há carência de abordagens com ampla escala temporal e menor dependência de imagens de alta resolução. Este trabalho visa contribuir para identificaráreas de mineração a céu aberto no Brasil via imagens de satélite, aprendizado profundo e detecção de mudanças. Para isso, foi construída uma base com 2.000 pares de imagens Sentinel-2 e máscaras binárias considerando os estados Minas Gerais, Pará, Amazônia e Goiás, e uma escala de tempo de sete anos. Avaliaram-se quatro modelos: U-Net padrão, redes Siamesas com encoder ResNet-18 e ResNet-34, e uma U-Net com encoder ResNet-34 e mecanismo de atenção. A U-Net padrão teve melhor desempenho geral, com 92,95% de precisão, 92,43% de Recall, F1-Score de 92,66%, Intersection over Union(IoU) de 66,94% e latência de 55,88 ms. O Grad-CAM revelou que o modelo foca emáreas com mudanças relevantes, destacando seu potencial para aplicações futuras.
Palavras-chave: Open-pit Mining; Deep Learning; Change Detection; Semantic Segmentation; Explainable Artificial Intelligence.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1191554
Artigo em PDF: CBIC_2025_paper1191554.pdf
Arquivo BibTeX:
CBIC_2025_1191554.bib