Programa de Pós-Graduação em Engenharia Naval - PPGENAV/ITEC
URI Permanente desta comunidadehttps://repositorio.ufpa.br/handle/2011/10054
Navegar
Navegando Programa de Pós-Graduação em Engenharia Naval - PPGENAV/ITEC por Assunto "Convolutional Neural Network"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Dissertação Acesso aberto (Open Access) Rede neural convolucional (cnn) aplicada na análise de risco de acidentes das embarcacões que navegam nos rios da Amazônia(Universidade Federal do Pará, 2022-11-18) NASCIMENTO, Ariel Victor do; FARIAS, Valcir João Farias da Cunha; http://lattes.cnpq.br/4958123373113545; https://orcid.org/0000-0002-2564-2195; ROCHA, Marcus Pinto da Costa da; http://lattes.cnpq.br/7169569605967930; https://orcid.org/0000-0002-1849-1982A segurança na navegação é um assunto importante para manter o bem estar e integridade dos passageiros e da carga. Existem muitas regras a serem seguidas para avaliar a segurança, os certificadores e classificadores são responsáveis por garantir o cumprimento de todas essas regras que asseguram a integridade das embarcações, no entanto, isso não é suficiente. O Inquérito Administrativo de Acidentes e Fatos Navais (IAFN), documento elaborado pela Marinha do Brasil, coleta informações e cria um banco de dados para mostrar quantos acidentes ocorrem no Brasil por região, as quais são definidas como Distritos Navais (DN). O 4° Distrito Naval, em que está inserido o estado do Pará, foi o primeiro em acidentes ocorridos no ano 2020 e o terceiro no ano 2021. Devido a essas ocorrências de acidentes foram utilizados conceitos de inteligência artificial, machine learning and deep learning aplicados nesta área. Com o objetivo de auxiliar neste processo, este trabalho propõe desenvolver uma aplicação utilizando Rede Neural Convolucional (CNN) para reconhecimento de imagens (Embarcações e Disco de plimsoll). Neste sentido, utilizou-se uma técnica de aprendizado de Rede Neural Convolucional (CNN) que permite identificar o tipo de embarcaçãao através de um banco de imagens fornecidas, o mesmo método foi aplicado para identificar se há risco de acidente com a embarcação mediante análise de imagens do disco de plimsoll. Para a realização dos treinamentos das CNNs, foram avaliadas seis diferentes arquiteturas de rede com: alteração do número de filtros em cada camada convolucional; variação da quantidade de camadas convolucionais e; utilização de transferência de aprendizado da rede VGG-16 com a técnica de ajuste fino. Os resultados alcançados neste trabalho são promissores e demonstram a viabilidade do emprego de Rede Neural Convolucional como método para identificação das imagens das embarcações como do disco de plimsoll).