Análise da classificação de símbolos de arte rupestre usando a Inteligência Artificial a partir da plataforma orange canvas

Resumo

A classificação de símbolos de arte rupestre, a partir da semelhança entre suas variadas formas, é fundamental para a análise desses antiquíssimos símbolos, porém, o processo de classificação manual é demorado, trabalhoso e suscetível a erros. Assim, este estudo investiga o uso da plataforma Orange Canvas e a sua viabilidade para automatizar essa tarefa, utilizando modelos de Aprendizado de Máquina. Dessa forma, foram analisadas 3.137 imagens de símbolos de arte rupestre, divididas em três categorias, são elas: antropomorfos, círculos e mãos. Antes do treinamento e classificação, as imagens passaram por um pré-processamento envolvendo redimensionamento, recorte e conversão para formatos compatíveis, além do processo de data augmentation. Para a extração de características, foram testados na plataforma Orange Canvas, modelos de redes neurais convolucionais, como: Inception V3, SqueezeNet, VGG-16 e VGG-19, e a classificação foi realizada por meio dos algoritmos: Neural Network, SVM e Logistic Regression. Os resultados indicaram que o modelo Inception V3 obteve o melhor desempenho, alcançando 97\% de acurácia, F1 Score, Precisão e Recall, com Neural Network. Com essas métricas, a abordagem demonstrou ser eficiente na classificação de símbolos de arte rupestre, contribuindo para a análise automatizada desses símbolos. Conclui-se que é promissor o uso da abordagem supracitada, na classificação de símbolos de arte rupestre.