Update README.md

README.md

@@ -8,12 +8,16 @@ language:
 pipeline_tag: image-segmentation
 ---
 
-# Projeto Detecção de Áreas com probabilidade de alagamento
+# PROJETO CultivaMelhor - Projeto Detecção de Áreas com probabilidade de alagamento 
 
 ## Introdução
   Nossa proposta é baseada em imagems de satélite, a qual usaríamos para determinar áreas de risco de inundação. O projeto utilizaria
 como parâmetro uma previsão do nível de chuva média da região e imagens de satélite do Sentinel-2.
 
+# Problema
+  Soluções tecnológicas que possam ser utilizadas não apenas para
+melhorar a precisão da identificação dos talhões, mas também para auxiliar na detecção de áreas com alto risco de inundação para auxilio urbano de comunidades locais e fornecimento de dados para recuperação rápida das áreas afetadas por desastres naturais.
+
 ## Solução
   A solução será uma plataforma web, na qual é possível inputar as leituras do satélite, bem como a previsão do nível de chuva na determinada região.
 Após a execução do modelo, poderá ser visualizada uma imagem contendo um mapa de calor referente as chances de ocorrer uma inundação.  
@@ -22,10 +26,20 @@ Após a execução do modelo, poderá ser visualizada uma imagem contendo um map
   Para realizar a predição, nosso modelo de visão computacional utilizará a estratégia da segmentação, pois com o uso desta abordagem, podemos classificar
 as áreas em específico com uma precisão de píxel a pixel. 
 
+## Open Model Utilizado YOLOv8
+Motivos para usar o YOLOv8 ser um bom modelo para usarmos:
+- Adaptabilidade às imagens do satélite;
+- Detecção de múltiplos objetos;
+- Detecção em tempo real das informações
+
+## Open Data
+
 ## Entradas
 - Imagens de satélite do Sentinel-2;
 - Informações de previsão meteorológica.
 
+## Funcionamento do Modelo
+
 ## Saídas
   O modelo retornaria uma imagem contendo um 'mapa de calor', na qual as áreas com mais probabilidade de ocorrer o desastres teriam
 cores mais escuras.