Detecção de Garimpo na Amazônia com Visão Computacional e Redes Neurais Convolucionais
Revista Eletrônica de Iniciação Científica em Computação · 15.05.2026 · 24 · 290-301
DOI: 10.5753/reic.2026.7570 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Eletrônica de Iniciação Científica em Computação, online erschienen am 15.05.2026. Verfasst von Leonardo Fajardo Grupioni und 3 weiteren Autor:innen. Die Arbeit nennt 21 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
O avanço do garimpo na Amazônia brasileira configura uma das principais ameaças à biodiversidade e às comunidades locais, exigindo mecanismos de monitoramento ágeis e escaláveis. Este trabalho propõe o desenvolvimento de um modelo de visão computacional baseado em Redes Neurais Convolucionais (CNNs) para a detecção de frentes de mineração em imagens de satélite. A metodologia utilizou a plataforma Google Earth Engine para a coleta e pré-processamento de dados, resultando na construção de um dataset balanceado com mais de 111 mil recortes de imagem, devidamente rotulados e curados para mitigar a interferência de nuvens. Para validar a abordagem, estabeleceu-se primeiramente um baseline com o algoritmo Random Forest, que atingiu uma acurácia de 72% e Área Sob a Curva (AUC) de 0,80, evidenciando as limitações de métodos baseados apenas em estatísticas de pixel. Em contrapartida, a implementação da arquitetura EfficientNet-B0, aliada a técnicas de Transferência de Aprendizado e Fine-Tuning, superou significativamente os modelos tradicionais, alcançando uma acurácia de 85,92% e uma AUC de 0,9371. Os resultados demonstram que o Aprendizado Profundo é capaz de extrair características espaciais complexas, distinguindo efetivamente cicatrizes de garimpo de outros alvos visuais ambíguos. Como contribuição à comunidade científica e ao suporte à fiscalização, todo o código-fonte desenvolvido e a metodologia de criação do conjunto de dados foram disponibilizados em repositório aberto, fomentando a reprodutibilidade e a continuidade das pesquisas no monitoramento do bioma amazônico.
Zitieren
APA
Grupioni, L. F., Almeida, F. V. D., Gallois, T. J. G., & Ranzini, E. (2026). Detecção de Garimpo na Amazônia com Visão Computacional e Redes Neurais Convolucionais. Revista Eletrônica de Iniciação Científica em Computação, 24, 290-301. https://doi.org/10.5753/reic.2026.7570
Vancouver
Grupioni LF, Almeida FVD, Gallois TJG, Ranzini E. Detecção de Garimpo na Amazônia com Visão Computacional e Redes Neurais Convolucionais. Revista Eletrônica de Iniciação Científica em Computação. 2026;24:290-301. doi:10.5753/reic.2026.7570
BibTeX
@article{Grupioni2026,
author = {Grupioni, Leonardo Fajardo and Almeida, Felipe Valencia de and Gallois, Thomas Jean Georges and Ranzini, Edith},
title = {Detecção de Garimpo na Amazônia com Visão Computacional e Redes Neurais Convolucionais},
journal = {Revista Eletrônica de Iniciação Científica em Computação},
year = {2026},
volume = {24},
pages = {290--301},
doi = {10.5753/reic.2026.7570}
}
EUVIMED