Sensores de VANTs podem coletar dados críticos, permitindo a tomada de decisões em tempo real e aprimorando as capacidades operacionais.
No entanto, integrar e gerenciar múltiplos sensores em uma plataforma de VANTs representa desafios significativos para o desempenho e a funcionalidade ideais. As plataformas de VANTs dependem de diferentes tipos de sensores. Cada sensor atende a uma finalidade específica, desde a captura de imagens de alta resolução até a detecção de variáveis ambientais e a identificação de objetos de interesse. Integrar esses diversos sensores em um sistema unificado requer o enfrentamento de desafios técnicos, logísticos e operacionais complexos para extrair informações significativas, o que pode ser uma tarefa desafiadora.
Algoritmos de aprendizado de máquina podem fundir dados de múltiplos sensores, permitindo a extração de informações significativas. Além disso, técnicas de aprendizado de máquina podem aprender as correlações e os padrões entre os dados dos sensores, treinando modelos em conjuntos de dados integrados, permitindo uma análise mais precisa e abrangente. Como resultado, podemos aprimorar a qualidade geral dos dados e facilitar uma melhor tomada de decisões, possibilitando uma visão holística da situação dos incêndios florestais.
O monitoramento do risco de incêndios florestais permite medidas proativas para prevenir e mitigar sua ocorrência. Ao identificar áreas com alto risco de incêndio, as autoridades podem implementar medidas preventivas, como queimadas controladas, gerenciamento de combustível e aplicação de normas de segurança contra incêndio. O monitoramento também permite a detecção precoce de potenciais fontes de ignição, como raios ou atividades humanas, permitindo resposta imediata e esforços de mitigação. Ao alavancar tecnologias avançadas de monitoramento e abordagens baseadas em dados, as autoridades podem aprimorar sua capacidade de responder com eficácia, mitigar riscos e proteger vidas humanas e ecossistemas naturais do impacto devastador dos incêndios florestais. Neste projeto, visamos o estudo deste cenário de monitoramento.
Nosso objetivo é criar um sistema de coleta de dados capaz de lidar com dados multiplataforma e multissensor (imagens multiespectrais, umidade, temperatura e outros) para construir automaticamente modelos de inteligência artificial para prever o risco de incêndios florestais em uma área de cobertura.
O sistema de coleta, anotação e fusão de dados lidará com diferentes categorias de dados e plataformas, além de ser facilmente integrado a outros sistemas de dados relacionados ao problema, como informações de satélites, mapas de vegetação ou outros dados estruturados e não estruturados.
Este projeto faz parte do Estudo do Domínio Aéreo (ADS), uma Cooperação Brasil-Suécia em Aeronáutica, cujo objetivo é compreender melhor o futuro do domínio aéreo.
Essas atividades ampliarão gradualmente o conhecimento e apoiarão os esforços das partes interessadas para se posicionarem no futuro cenário da aeronáutica global.
Filipe A. N. Verri, Cesar A. C. Marcondes, Johnny Cardoso Marques, Denis S. Loubach, Vitor V. Curtis, Leonardo Silveira