Imagens espectrais baseadas em UAV usando sensoriamento remoto e YOLOv8 no inventário de Eucalyptus saligna Sm.

Inventários de árvores precisos e de baixo custo em plantações florestais são essenciais para o gerenciamento eficaz da produção. Estimulado por avanços recentes em imagens de Veículos Aéreos Não Tripulados (VANT) juntamente com inteligência artificial, e pelo interesse em desenvolver modelos capazes de apoiar a tomada de decisões sobre manejo silvicultural e florestal, este estudo teve como objetivo avaliar o desempenho de diferentes índices de vegetação na detecção de indivíduos de Eucaliptus saligna usando uma abordagem de modelo de aprendizado profundo aprimorado. O modelo de detecção de indivíduos de árvores foi criado usando o algoritmo YOLOv8n usando imagens RGB de VANT e índices de vegetação (IV) gerados pelo sensor multiespectral a bordo do VANT. Nove IVs foram selecionados para treinamento (65%) e teste (35%) dos modelos. A estrutura proposta demonstrou que os índices MPRI, PSRI e NDVI alcançaram uma pontuação F1 de 0,98 e precisão de 0,97 na detecção de árvores individuais de E. saligna seis meses após o plantio. Nosso estudo demonstra a robustez da estrutura proposta e recomenda a aplicação do índice MPRI na detecção de árvores individuais devido ao seu desempenho eficiente, baixo custo e simplicidade, pois utiliza apenas regiões do espectro visível.

Palavras-chave
Inteligência artificial; Silvicultura de precisão; Detecção individual de árvores