'%20d='m0%200%2016%2011h61%2061%2061%2061%2060L47%2037h61%2061%2060%2061L16%2063h61%2061%2061%2061%2060L47%2089h61%2061%2060%2061L16%20115h61%2061%2061%2061%2060L47%20141h61%2061%2060%2061L16%20166h61%2061%2061%2061%2060L47%20192h61%2061%2060%2061L16%20218h61%2061%2061%2061%2060z'/%3e%3c/svg%3e){kind=small}
2026
RasterScope
Mudança de cobertura do solo por satélite
Workbench local de segmentação com U-Net e ONNX Runtime, com mapas de incerteza, inspeção por pixel, benchmark de modelos, matriz de transição e relatórios offline.
Aponte o RasterScope para duas imagens de satélite alinhadas do mesmo lugar, com anos de diferença. Uma U-Net compacta classifica cada pixel em uma de sete classes de cobertura do solo, e código determinístico transforma esses rótulos em hectares, variações e uma matriz de transição completa.
A ideia é que só uma etapa do sistema é incerta, a rede neural, e a interface deixa claro qual é. Todo o resto é aritmética que dá para ler, testar e reproduzir. Roda localmente em CPU com ONNX Runtime, sem GPU, chave de API ou nuvem.
Comparação lado a lado
Um divisor arrastável entre as duas datas e um clique em qualquer pixel para ver classe, confiança e entropia.
Honesto sobre o modelo
O laboratório de modelo mostra mIoU, Dice, calibração e a matriz de confusão, incluindo as classes que a rede nunca prevê.
Cálculo auditável
Área por classe é contagem de pixels × 10 m × 10 m; transições são uma contagem 7 × 7 entre as duas máscaras. Esses testes rodam em milissegundos, sem modelo.
Relatório portátil
Exporta a análise como um único arquivo HTML autocontido, gerado a partir dos mesmos dados que aparecem na tela.