Detecção de Copas de Árvores Individuais em Imagens RGB Usando Redes Neurais de Aprendizado Profundo Semi-Supervisionadas

O sensoriamento remoto pode transformar a velocidade, escala e custo de levantamentos de biodiversidade e silvicultura. A aquisição de dados atualmente ultrapassa a capacidade de identificar organismos individuais em imagens de alta resolução. Descrevemos uma abordagem para identificar copas de árvores em imagens RGB enquanto usamos uma rede de detecção de aprendizado profundo semi-supervisionada. A delimitação de copas individuais tem sido um desafio de longa data no sensoriamento remoto e os algoritmos disponíveis produzem resultados mistos. Mostramos que modelos de aprendizado profundo podem aproveitar a delimitação não supervisionada baseada em Light Detection and Ranging (LIDAR) existente para gerar árvores que são usadas para treinar um modelo inicial de detecção de copas RGB. Apesar das limitações na abordagem de detecção não supervisionada original, esses dados de treinamento ruidosos podem conter informações das quais a rede neural pode aprender características iniciais de árvores. Em seguida, refinamos o modelo inicial usando um pequeno número de imagens RGB anotadas à mão de maior qualidade. Validamos nossa abordagem proposta utilizando um local de copa aberta na Rede Nacional de Observação Ecológica. Nossos resultados mostram que um modelo utilizando 434.551 árvores autogeradas com a adição de 2848 árvores anotadas à mão resulta em previsões precisas em paisagens naturais. Usando um limiar de interseção sobre a união de 0.5, o modelo completo teve uma média de recall de copas de árvores de 0.69, com uma precisão de 0.61 para os dados visualmente anotados. O modelo teve uma taxa média de detecção de árvores de 0.82 para os caules coletados em campo. A adição de um pequeno número de árvores anotadas à mão melhorou o desempenho em relação ao modelo inicial auto-supervisionado. Essa abordagem de aprendizado profundo semi-supervisionada demonstra que o sensoriamento remoto pode superar a falta de dados de treinamento rotulados gerando dados ruidosos para treinamento inicial usando métodos não supervisionados e re-treinando os modelos resultantes com dados rotulados de alta qualidade.