Use este identificador para citar ou linkar para este item:
https://repositorio.ufpa.br/jspui/handle/2011/16871
Tipo: | Dissertação |
Data do documento: | 18-Nov-2022 |
Autor(es): | NASCIMENTO, Ariel Victor do |
Primeiro(a) Orientador(a): | ROCHA, Marcus Pinto da Costa da |
Primeiro(a) coorientador(a): | FARIAS, Valcir João Farias da Cunha |
Título: | Rede neural convolucional (cnn) aplicada na análise de risco de acidentes das embarcacões que navegam nos rios da Amazônia |
Citar como: | NASCIMENTO, Ariel Victor do. Rede neural convolucional (cnn) aplicada na análise de risco de acidentes das embarcacões que navegam nos rios da Amazônia. Orientador: Marcus Pinto da Costa da Rocha. .2022. 86 f. Dissertação (Mestrado em Engenharia Naval) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2022. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/16871. Acesso em:. |
Resumo: | 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). |
Abstract: | Navigation safety is an important issue to maintain the well-being and integrity of passengers and cargo. There are many rules to follow to assess safety, certifiers and classifiers are responsible for ensuring compliance with all these rules that ensure the integrity of vessels, however, this is not enough. The Administrative Inquiry of Naval Accidents and Facts (IAFN), a document prepared by the Brazilian Navy, collects information and creates a database to show how many accidents occur in Brazil by region, which are defined as Naval Districts (DN). The 4th Naval District, in which the state of Par´a is located, was the first in accidents that occurred in 2020 and the third in 2021. Due to these accidents, concepts of artificial intelligence, machine learning and deep learning were used. applied in this area. In order to assist in this process, this work proposes to develop an application using Convolutional Neural Network (CNN) for image recognition (Vessels and Disc of plimsoll). In this sense, a Convolutional Neural Network (CNN) learning technique was used, which allows identifying the type of vessel through a bank of images provided, the same method was applied to identify if there is a risk of accident with the vessel through analysis of disk images of plimsoll. To carry out the training of the CNNs, six different network architectures were evaluated with: changing the number of filters in each convolutional layer; variation in the amount of convolutional layers and; use of transfer of learning from the VGG-16 network with the fine-tuning technique. The results achieved in this work are promising and demonstrate the feasibility of using the Convolutional Neural Network as a method for identifying the images of vessels as the disk of plimsoll). |
Palavras-chave: | Disco de Plimsoll Aprendizado Profundo Rede Neural Convolucional Segurança da Navegação Inteligência Artificial Plimsoll Disk Convolutional Neural Network Safety of Navigation Artificial Intelligence Deep Learning |
Área de Concentração: | ANÁLISE DE PROCESSOS E SISTEMAS CONSTRUTIVOS NAVAIS |
Linha de Pesquisa: | PROCESSO DE FABRICAÇÃO DE EMBARCAÇÕES |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA NAVAL E OCEANICA |
País: | Brasil |
Instituição: | Universidade Federal do Pará |
Sigla da Instituição: | UFPA |
Instituto: | Instituto de Tecnologia |
Programa: | Programa de Pós-Graduação em Engenharia Naval |
Tipo de Acesso: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 Brazil |
Fonte URI: | Disponível na internet via correio eletrônico: bibliotecaitec@ufpa.br |
Aparece nas coleções: | Dissertações em Engenharia Naval (Mestrado) - PPGENAV/ITEC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao_RedeNeuralConvolucional.pdf | 7,15 MB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons