Utilização de veículos aéreos não tripulados e aprendizagem de máquina para classificação litológica automática em frente de lavra

• Ano de defesa: 2024
• Autor(a) principal: Barros, João Lucas da Conceição de
• Orientador(a): Marques, Diego Machado
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Lavra : Planejamento; Litologia; Sensoriamento remoto; Veículo aéreo não tripulado; Aprendizado de máquina
• Palavras-chave em Inglês: Lithological classification; Machine learning; Unmanned Aerial Vehicles (UAVs); RGB
• Link de acesso: http://hdl.handle.net/10183/280730

Nos últimos anos, a adoção de Veículos Aéreos Não Tripulados (VANTs) na indústria de mineração tem ganhado destaque, particularmente em atividades de planejamento de mina. O mapeamento litológico, essencial para o sucesso do planejamento de lavra, depende diretamente da precisão na classificação das frentes de lavra, o que determina tanto o desenvolvimento da mina quanto a alocação de equipamentos específicos. Apesar do avanço em pesquisas sobre a aplicação de VANTs para a classificação litológica, a tecnologia ainda é considerada emergente, necessitando de estudos detalhados e adaptados para cada contexto mineral. Este trabalho visa explorar o potencial da Aprendizagem de Máquina aplicada a imagens capturadas por VANTs no Complexo Mineral de Carajás, focando na extração de minério de ferro, para aprimorar a classificação litológica. A pesquisa testou algoritmos de ponta, como Support Vector Machine (SVM) nas variantes Linear e Radial, Random Forest e Gradient Boosting, aplicados a sinais RGB (Red, Green e Blue) decompostos das imagens. Utilizou-se técnicas de agrupamento para tratar os dados. Os resultados demonstraram alta confiabilidade e evidenciaram a eficácia das técnicas de Aprendizagem de Máquina na otimização do processo de mapeamento de minas. Este estudo não apenas reforça a aplicabilidade dos VANTs no setor minerário, mas também abre caminho para futuras pesquisas focadas na integração de novas tecnologias ao planejamento e desenvolvimento de minas, potencializando a precisão e eficiência operacional.