Desenvolvimento de um modelo de detecção de correntes de retorno usando Deep Learning com fotos do CoastSnap

Abstract

Afogamento, uma preocupação global de saúde pública, resultou em 236.000 óbitos em 2019, com 90% dos incidentes ocorrendo em países de baixa e média renda. No Brasil, com mais de 100.000 incidentes não fatais e 5.000 mortes em 2019, as correntes de retorno contribuem significativamente, especialmente em destinos turísticos como Santa Catarina. Este estudo propõe um modelo de Aprendizado Profundo baseado como YOLO (You Only Look Once) para detectar correntes de retorno em fotos costeiras, obtidas no projeto CoastSnap. O modelo YOLO aprimora a identificação dessas correntes perigosas, apresentando uma ferramenta promissora para conscientização pública e redução de incidentes de afogamento em regiões propensas a acidentes relacionados a correntes de retorno.

Drowning, a major global health concern, claimed 236,000 lives in 2019, with 90% of incidents in low- to middle-income countries. In Brazil, with over 100,000 non-fatal incidents and 5,000 deaths in 2019, rip currents contribute significantly, particularly in tourist destinations like Santa Catarina. This study proposes a YOLO-based (You Only Look Once) Deep Learning model to detect rip currents in coastal photos, taken from the CoastSnap project. The YOLO model enhances the identification of these perilous currents, offering a promising tool for public awareness and mitigating drowning incidents in regions prone to rip current-related accidents.