Mapeamento Automatizado de Substratos Fluviais a partir de Imagens de Sonar com Aprendizado de Máquina

Resumo O conhecimento sobre a variação e distribuição de substratos em grandes extensões espaciais em sistemas aquáticos, particularmente rios, é severamente insuficiente, dificultando os esforços de conservação de espécies e restauração de ecossistemas. Instrumentos de sonar lateral de grau recreativo (SSS) demonstraram seu valor inigualável como um instrumento científico de baixo custo capaz de imagear de maneira eficiente e rápida o ambiente bentônico. No entanto, os métodos existentes para gerar conjuntos de dados georreferenciados a partir desses instrumentos, especialmente mapas de substratos, continuam a ser uma barreira à adoção para investigação científica devido ao alto grau de intervenção humana e à expertise requerida. Para abordar essa limitação, introduzimos o PING-Mapper, um software de código aberto e disponibilizado gratuitamente, baseado em Python, para gerar automaticamente conjuntos de dados bentônicos geoespaciais a partir de instrumentos Humminbird® populares de maneira reprodutível. A versão 1.0 do software, já lançada anteriormente, fornecia fluxos de trabalho automatizados para exportar imagens de sonar georreferenciadas. Este estudo amplia a funcionalidade com a versão 2.0, incorporando segmentação semântica com redes neurais profundas para mapear substratos de forma reprodutível em grandes extensões espaciais. Apresentamos uma nova abordagem para gerar conjuntos de dados de sonar prontos para rotulação, criando conjuntos de treinamento de imagens rotuladas e treinamento de modelos com aprendizado de transferência; tudo utilizando ferramentas de código aberto. O modelo de substrato de seis classes alcança uma precisão geral de 78% e a classe com melhor desempenho atinge 91%. Agrupar os substratos em três classes melhora ainda mais a precisão geral (87%) e a precisão da classe com melhor desempenho (94%). Fluxos de trabalho adicionais permitem a máscara de sombras de sonar, cálculo de picks de leito independentes e correção de efeitos de atenuação nas imagens para melhorar a interpretabilidade. Este software fornece um mecanismo aprimorado para mapear automaticamente a distribuição de substratos a partir de sistemas SSS de grau recreativo, reduzindo assim a barreira para inclusão em pesquisas aquáticas mais amplas.