Este sistema utiliza imagens e vídeos subaquáticos para identificar contornos de corais, gerando dados valiosos como colorimetria e dimensão fractal. A colorimetria detecta mudanças de cor no coral conforme o ambiente, enquanto a dimensão fractal fornece valores para avaliar mudanças na superfície coralina em 2D.

Este Sistema será responsável por preparar os dados para posterior análise. Por isso, será necessário utilizar técnicas de integração de dados, processamento de dados, redução de ruídos, normalização e discretização que transformem os dados coletados pelos sensores, como temperatura, níveis de turbidez, condutividade, clorofila, salinidade, etc., e os deixem prontos para posterior modelagem.

Este sistema utiliza imagens estereoscópicas e time-lapse para obter uma nuvem de pontos de corais. Com essa nuvem, é gerada uma malha 3D para calcular o volume do coral, fornecendo dados sobre seu crescimento ou diminuição em função de diversos parâmetros.

Os modelos preditivos revelam eventos e seus momentos. Nesta pesquisa, serão avaliados algoritmos como Redes Neurais, Support Vector Machines, KNN e Deep Learning, junto com suas variantes, para prever o tempo de alcançar níveis predefinidos de degradação no coral, oferecendo assim uma visão mais precisa do processo.

Os modelos descritivos revelam as razões por trás dos eventos. Serão investigados algoritmos como árvores de decisão, random forest, regressões lineares, regressões logísticas e redes bayesianas, junto com suas variantes, para gerar regras que expliquem as causas de eventos no ambiente do coral, melhorando assim o monitoramento e a compreensão do ambiente em diversas condições.