O custo dessa escolha
Priorizar recall pode aumentar os falsos positivos e o trabalho de revisão. Aceitamos essa troca para reduzir as ocorrências de fumaça que passam despercebidas; alarmes falsos também têm custo operacional.
Pantera
A plataforma de gestão de incêndios florestais que lidero na 1.5°C, com o time de engenharia, ML e ciência ambiental — da análise de risco e detecção de fumaça à resposta e avaliação de impacto.
- 190 câmeras na rede — 150 HaaS (hardware que operamos para proprietários de terra) e 40 SaaS (nosso software rodando sobre infraestrutura que já existe).
- 40M+ hectares sob monitoramento, incluindo o Pantanal e territórios indígenas.
Pantera — detecção de fumaça
Saída real do sistema
Fumaça 97.2%
O mesmo sistema, ao vivo
Imagem crua da rede de câmeras. O sistema percorre posições predefinidas, sinaliza uma possível fumaça e dá zoom para uma nova verificação. As detecções que cruzam o limiar de confiança seguem para revisão do nosso time 24/7.
Pantera — imagem ao vivo da câmera
Mesmo pipeline de detecção
Por que priorizamos recall
Deixar uma fumaça real passar pode atrasar a resposta a um incêndio. Nessa aplicação, esse falso negativo custa mais do que um falso positivo. Por isso, priorizamos recall no modelo de detecção de fumaça: encontrar mais das ocorrências reais.
Da detecção ao alerta
Uma detecção do modelo é um candidato para validação. As verificações da câmera e a revisão humana descritas acima fazem parte do caminho até um alerta confirmado. A precisão do modelo e a qualidade dos alertas que chegam ao cliente precisam ser avaliadas separadamente.
O que ele faz
Detecção
A rede de câmeras e os modelos de visão computacional sinalizam indícios de fumaça para validação e resposta antecipada.
Risco
Clima, combustível e terreno cruzados pra apontar onde um incêndio tem mais chance de começar ou se espalhar.
Resposta
Apoiar a coordenação da resposta em campo depois da confirmação de uma detecção.
Impacto
Medir o que mudou depois — área queimada, terra recuperada — a evidência de que vale a pena fazer isso.
Como é construído
Um time de 8 pessoas — engenharia, geoespacial e ciência de dados — rodando em Agile e OKRs. Lidero a arquitetura de ponta a ponta como cofundador e CTO desde 2020.
Python
FastAPI
AWS
Docker
PostGIS
PyTorch
Angular
umgrauemeio.com →
Fale comigo
Se você lidera um time early-stage em clima ou govtech e quer uma segunda opinião técnica, ou está construindo algo em monitoramento de incêndio ou geoespacial, me escreva.