Oluwasola Oyinloye
Marcar uma chamada

Serviço

IA geoespacial e machine learning

Modelos que leem imagens a uma escala que nenhuma equipa conseguiria tratar à mão, e modelos preditivos que dizem até onde se pode confiar neles. O projeto das palmeiras-de-óleo contou 718 751 palmeiras desta forma.

Marcar uma chamada Todos os serviços

O que recebe

  • Deteção e contagem de objetos: árvores, edifícios ou outros elementos em imagens de drone, aéreas ou de satélite.
  • Classificação da ocupação do solo, das culturas ou de outras classes que lhe interessem.
  • Mapas preditivos, como a suscetibilidade a inundações, construídos a partir de muitos fatores espaciais.
  • Explicação de cada previsão com SHAP, para ver o que determina um resultado.
  • Uma taxa de erro honesta, medida em zonas onde o modelo não foi treinado e não em amostras aleatórias.

Para quem

Operadores de plantações e explorações agrícolas, credores e seguradoras, planeadores e investigadores: quem tem mais imagens ou mais território do que uma equipa consegue analisar à mão.

Como funciona

  1. EnquadrarA pergunta e a decisão que apoia
  2. AnotarUma amostra anotada à mão, ou dados existentes
  3. TreinarComparar modelos no mesmo conjunto de teste
  4. ValidarTestar em zonas reservadas
  5. ImplementarAplicar em escala e entregar o código

Perguntas frequentes

De quantos dados anotados precisa?

Muitas vezes menos do que se pensa. O detetor de palmeiras aprendeu com 4 041 copas anotadas à mão em 435 recortes de imagem e foi melhorado por etapas, à medida que surgiam novos tipos de erro.

Porquê testar em zonas reservadas?

Píxeis vizinhos são parecidos, por isso uma divisão aleatória favorece o modelo. O GeoAID obteve cerca de 0,798 numa divisão aleatória e cerca de 0,642 em validação cruzada espacial. É com o segundo número que se deve planear.

Fico com o modelo?

Sim. Recebe o modelo treinado, o código e a documentação, para que a sua equipa o possa voltar a executar.

Outros serviços

Marcar uma chamada