GEO-AI-MT: Detecção e Monitoramento Remoto de Garimpo Ilegal com Inteligência Artificial e Geotecnologias

• André Santana Lopes IFMT
• Vinicius Oliveira Souza IFMT https://orcid.org/0009-0009-5375-4117
• Ana Lívia Mendes Ribeiro IFMT
• Caio Rosa Santos IFMT
• Gabriel Baião de Andrade Silva IFMT

DOI: https://doi.org/10.5753/eri-mt.2025.17238

Resumo

O estudo aplica geoprocessamento, sensoriamento remoto e inteligência artificial para monitorar garimpo ilegal na Amazônia. Foram testados três modelos: Geo-RNC, Geo-KNN e Geo-RF, usando imagens de satélite. A rede neural foi mais precisa, mas exigiu maior processamento. O KNN mostrou simplicidade, porém menor eficiência. A floresta aleatória apresentou bom equilíbrio entre desempenho e custo. As métricas confirmaram o potencial das técnicas. Conclui-se que a IA pode melhorar o monitoramento ambiental.

Palavras-chave: Garimpo Ilegal, Inteligência Artificial, Sensoriamento Remoto, Monitoramento Ambiental, Recuperação de Áreas Degradadas

Referências

Remis Balaniuk, Olga Isupova e Steven Reece (2020) “Mining and Tailings Dam Detection in Satellite Imagery Using Deep Learning”

Olaf Ronneberger, Philipp Fischer e Thomas Brox (2015) “U-Net: Convolutional Networks for Biomedical Image Segmentation” Computer Science Department and BIOSS Centre for Biological Signalling Studies, University of Freiburg, Germany.

Reddy, G. P. O.; Kumar, N.; Singh, S. K. Remote Sensing and GIS (2018): “Mapping and Monitoring of Land Degradation.”

“GeminiAI”: [link]