Navegando por Assunto "Aprendizado Profundo"

Agora exibindo 1 - 1 de 1

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/0000-0002-1849-1982
A 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).