Análise de Vulnerabilidades e Melhoria da Qualidade de Conjuntos de Dados de Detecção Precoce de Incêndios Florestais para Aplicações de Aprendizado de Máquina

Os incêndios florestais são reconhecidos como desastres naturais altamente devastadores, capazes de causar danos irreversíveis ao meio ambiente, estruturas e vidas humanas, e as consequências desse acontecimento terrível muitas vezes envolvem despesas exorbitantes para reparos. Detectar incêndios florestais representa um desafio significativo, mas identificar cenários para detecção precoce poderia capacitar cidades e países a se prepararem proativamente para estratégias de gestão de incêndios. O objetivo principal deste artigo de pesquisa é fornecer uma análise e melhoria das principais vulnerabilidades dos conjuntos de dados públicos existentes para detecção precoce de incêndios florestais usando aprendizado de máquina. Discutimos as fraquezas atuais nesses conjuntos de dados e ilustramos seus impactos nas soluções de aprendizado de máquina. Em seguida, descrevemos os aspectos de qualidade do conjunto de dados necessários e discutimos suas vantagens para detecção precoce de incêndios florestais usando aprendizado de máquina. Um conjunto de dados de qualidade de amostra e um modelo de aprendizado profundo de amostra usando TensorFlow estão disponíveis publicamente através do GitHub.