Os estudantes Emili Bezerra e Quefren Leher, do mestrado em Ciência da Computação, da Universidade Federal do Acre (Ufac), publicaram, em inglês e coautoria, na revista “Sensors” (vol. 24, ed. 16, Qualis A2), artigo que faz uma análise exploratória de técnicas de sensoriamento remoto para monitoramento de lagos nas regiões de Ancash e Cusco, nos Andes peruanos, utilizando modelos de deep learning para segmentação de corpos hídricos.
Entre os modelos analisados estão o DeepWaterMapV2, WatNet e o modelo adaptado WaterSegDiff, que utiliza mecanismos de difusão e transformação especificamente condicionados para segmentação de lagos.
A pesquisa teve como objetivo desenvolver um conjunto de dados com imagens multiespectrais do Landsat-8, capturadas entre 2013 e 2023, para realizar análises quantitativas e qualitativas das técnicas de segmentação.
Os resultados indicaram que as arquiteturas DeepWaterMapV2 e WatNet apresentaram desempenhos equivalentes e adequados para segmentação de lagos, apesar das condições geográficas e atmosféricas desafiadoras do ambiente de alta montanha. O modelo WaterSegDiff demonstrou ser promissor na análise qualitativa, especialmente em contextos mais complexos.
O trabalho foi realizado em coautoria com a professora e coordenadora do Laboratório de Pesquisas Aplicadas em Visão e Inteligência Computacional (Pavic-Lab), da Ufac, Ana Beatriz Alvarez Mamani, com a pesquisadora plena do Pavic-Lab, Thuanne Paixão, e com pesquisadores do laboratório Liecar, da Universidade Nacional de San Antonio Abad de Cusco (Unsaac, Peru), William Isaac Perez-Torres, Diego Armando Uman-Flores, Andres Benjamin Quispe-Quispe e Facundo Palomino-Quispe.
*Com informações de UFAC
