Questões de Concurso Público EMBRAPA 2025 para Pesquisador – Área: Engenharias – Subárea: Recursos Florestais e Engenharia Florestal

Em relação ao uso de inteligência artificial para a automação de operações florestais, julgue o próximo item. 

Os sistemas de visão computacional baseados em técnicas de redes neurais convolucionais podem ser empregados para identificar e classificar árvores em tempo real, permitindo o monitoramento da saúde da floresta. 

Julgue o item subsequente, referente ao uso de veículo aéreo não tripulado (VANT) no manejo de recursos florestais, a tecnologias remotas de coletas de dados e aspectos relacionados a esses temas. 

Suponha que, durante um sobrevoo, um VANT equipado com RTK (real time kinematic) e com um receptor GNSS (sistema global de navegação por satélite) de alta qualidade tenha perdido a comunicação com a base por 8 minutos, mas tenha continuado a captar imagens. Nessa situação, a precisão das coordenadas das imagens coletadas durante a perda de conexão RTK será da ordem de centímetros, garantida pelo GNSS de alta qualidade. 

Julgue o item subsequente, referente ao uso de veículo aéreo não tripulado (VANT) no manejo de recursos florestais, a tecnologias remotas de coletas de dados e aspectos relacionados a esses temas. 

Quando da realização de um ortomosaico de imagens aéreas provenientes de um VANT, pontos de controle são necessários ao georreferenciamento e à melhoria da precisão absoluta, enquanto pontos de checagem servem para a validação da acurácia do modelo. 

Julgue o item subsequente, referente ao uso de veículo aéreo não tripulado (VANT) no manejo de recursos florestais, a tecnologias remotas de coletas de dados e aspectos relacionados a esses temas. 

Um dos métodos de avaliação da qualidade do ortomosaico baseia-se na métrica RMSE (root mean squared error), em cujo cálculo são utilizados pontos de controle.

Considerando a aplicação de aprendizado de máquina para monitoramento de florestas, julgue o item a seguir. 

Para a matriz de confusão binária a seguir, o valor de acurácia do modelo é de 85%.