Page 31 - Informativo Cembra - Julho 2018 - Nº 6

vez que geram imagens em tempo real e com alta resolução,

permitindo detecção e mapeamento de objetos no fundo
do oceano (GREENE, 2018) com custo de aquisição muito
inferior quando comparado

com sonares de abertura lateral ou multifeixes.

Algoritmos de detecção

Considerando a alta resolução dos sonares e as dimensões

de uma área de sondagem, o volume de dados coletados,
simultaneamente, em uma operação CMM é extremamente
elevado (JOHNSON e DEAETT, 1994). Dessa forma, a análise
detalhada e o processamento dos dados em tempo real

tornam-se fator chave e, ao mesmo tempo, um gargalo
para o sucesso de uma operação. Por outro lado, com a
rápida evolução das técnicas de aprendizagem de máquina Figura 2 – Exemplos de alvos submersos que os
e inteligência artificial, existem hoje diversos algoritmos Sistemas de Reconhecimento Automáticos (SRA)
de alvos podem classificar.
especializados na segmentação e detecção automática de

objetos.

Sistemas de Reconhecimento Automático (SRA) de objetos não são uma inovação tecnológica.
Alguns fabricantes de sonares disponibilizam programas proprietários para a classificação de objetos
submersos (Figura 2). Entretanto, tais módulos possuem cláusulas contratuais específicas de utilização,

dependência tecnológica e alto custo de aquisição. A alternativa acessível, flexível e independente é
o aprimoramento, por meio do treinamento e validação, de redes neurais para atender às demandas
das operações de CMM. O processo de customização de redes neurais para desenvolvimento de um

SRA dedicado à CMM é composto por diversas etapas, entre as quais se destacam a elaboração de um
banco de dados amplo com imagens dos alvos e de objetos similares, o treinamento da rede a partir
das imagens desse banco de dados, a validação e teste em laboratório, e, por fim, a realização de testes
operacionais em campo. Durante a etapa de treinamento, similar ao que ocorre com a mente humana,
apresenta-se à rede inúmeras imagens de alvos para que ela aprenda a reconhecer os padrões de pixels

dos alvos em diferentes backgrounds, ao mesmo tempo que são fornecidos padrões de outros possíveis
objetos e do meio ambiente marinho. Dessa forma, o SRA passa a ser capaz de diferenciar uma poita, ou
um cabo amarra, de uma mina marítima.

Redes neurais bem treinadas podem alcançar níveis ótimos de reconhecimento de alvos (95% de acerto
ou mais) e com tempo de resposta muito rápido (menor que 2s por frame). Assim, o desenvolvimento
de um algoritmo personalizado para reconhecer os alvos de interesse da Guerra de Minas pode ser
diferencial significativo para o resultado das operações de CMM, auxiliando os operadores dos sonares

na detecção e seleção de objetos de interesse em tempo real e com alta precisão (figura 3).

Centro de Excelência para o Mar Brasileiro - Informativo Cembra 31