Inteligência artificial aplicada à gestão cadastral: desenvolvimento e implementação de um sistema de análise baseado na web.
Palavras-chave:
Redes neurais convolucionais, Sistemas web, Imagens suborbitais, Gestão cadastral, Cidades inteligentesResumo
A gestão cadastral urbana é um desafio central para os governos locais, visto que sua precisão e atualização são cruciais para a equidade tributária, o planejamento territorial e a tomada de decisões em políticas públicas. Em muitos países da América Latina, os registros cadastrais apresentam atrasos significativos ou discrepâncias entre o que está registrado e o que foi construído, afetando a arrecadação de impostos, a transparência institucional e o uso eficiente do solo (Erba e Piumetto, 2021). Nesse contexto, tecnologias baseadas em inteligência artificial e visão computacional, particularmente a segmentação semântica aplicada a imagens de sensoriamento remoto, têm demonstrado capacidade para automatizar a detecção de áreas construídas, mitigar erros em inventários físicos e facilitar atualizações frequentes (Pluto-Kossakowska et al., 2025). Modelos recentes, como o YOLOv11, têm sido empregados com sucesso para segmentar objetos e edificações em ambientes urbanos e de construção, alcançando boas taxas de acurácia (mAP) em estudos aplicados (He et al., 2024). Este artigo apresenta o desenvolvimento e a implementação de um sistema web interativo que combina técnicas de segmentação semântica com módulos de geoprocessamento e visualização. O aplicativo baseado em navegador permite que os usuários carreguem imagens aéreas, comparem os resultados da IA com os registros oficiais e gerem relatórios georreferenciados de discrepâncias entre propriedades construídas e declaradas, para uso prático na gestão cadastral, com potencial para escalabilidade em todo o país.
Downloads
Referências
Erba, D. A., & Piumetto, M. A. (2021). Making land legible: Cadastres for urban planning and development in Latin America. Lincoln Institute of Land Policy.
He, L., Zhou, Y., Liu, L., & Ma, J. (2024). Research and application of YOLOv11-based object segmentation in intelligent recognition at construction sites. Buildings, 14(12), Article 3777. https://doi.org/10.3390/buildings14123777
Infraestructura de Datos Espaciales del Uruguay – IDEUy. (2025). Visualizador IDEUy. https://visualizador.ide.uy
Pluto-Kossakowska, J., Wróbel, B., Aniszewska, K., & Gruszczyńska, M. (2025). Supervised semantic segmentation of urban area using high-resolution remote sensing images. Remote Sensing, 17(9), 1606. https://doi.org/10.3390/rs17091606
Ultralytics. (2025). Instance Segmentation — YOLOv11 [Documentación]. Ultralytics. Recuperado de https://docs.ultralytics.com/tasks/segment/
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2025 Viviane Todt, Pablo Cuña, Jean Schuster, Davi Padilha, Horacio de Crecenzio, Victor Castelli (Autor/a)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Los autores conservan sus derechos de autor y ceden a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la licencia Creative Commons Reconocimiento 4.0 Internacional License. que permite compartir la obra siempre que se indique la publicación inicial en esta revista.
