Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina
Este trabalho propõe o uso de diferentes técnicas de pré-processamento de dados e aprendizado profundo para análise de imagens e detecção de incêndios florestais. As imagens utilizadas para treinamento têm origem em dois diferentes bancos de dados com variação de horário, estação climática e posicio...
| Autor principal: | Castro, Lucas de Góes Muniz de |
|---|---|
| Outros Autores: | http://lattes.cnpq.br/1898497874796056 |
| Grau: | Dissertação |
| Idioma: | por |
| Publicado em: |
Universidade Federal do Amazonas
2023
|
| Assuntos: | |
| Acesso em linha: |
https://tede.ufam.edu.br/handle/tede/9749 |
| id |
oai:https:--tede.ufam.edu.br-handle-:tede-9749 |
|---|---|
| recordtype |
dspace |
| spelling |
oai:https:--tede.ufam.edu.br-handle-:tede-97492023-10-11T05:03:40Z Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina Wildfire identification using image segmentation and machine learning Castro, Lucas de Góes Muniz de Carvalho, Celso Barbosa http://lattes.cnpq.br/1898497874796056 http://lattes.cnpq.br/8269546823033896 Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/7169358412541736 Januário, Francisco de Assis Pereira http://lattes.cnpq.br/5322203207556538 Incêndios florestais Aprendizado do computador Processamento de imagens ENGENHARIAS CIENCIAS EXATAS E DA TERRA Identificação de incêndios florestais Segmentação de imagens Aprendizado de máquina Análise de quartis Este trabalho propõe o uso de diferentes técnicas de pré-processamento de dados e aprendizado profundo para análise de imagens e detecção de incêndios florestais. As imagens utilizadas para treinamento têm origem em dois diferentes bancos de dados com variação de horário, estação climática e posicionamento. Para o treinamento, optou-se por empregar algoritmos de aprendizagem supervisionada e classificadores probabilísticos, totalizando três origens de treinamento com variações de parâmetros e diferentes técnicas de pré-processamento complementares, como color perception e quartis. A principal métrica de avaliação se refere a acurácia e ao índice de verdadeiros-positivos e falsos-negativos, essenciais para essa aplicação, por se tratar de um sistema de identificação e alerta. Também se considera valores de tempo de processamento e treinamento. Os resultados obtidos foram superiores ao estado-da-arte para identificação de incêndios florestais, com acurácias superiores a 99,6% utilizando a técnica Random Forest. This work proposes the use of different data preprocessing and deep learning techniques for image analysis and forest fire detection. The images used for training originate from two different databases with variation in time, weather season and positioning. For training, we chose to employ supervised learning algorithms and probabilistic classifiers, totaling three training sources with parameter variations and different complementary pre-processing techniques, such as color perception and quartiles. The main evaluation metric refers to accuracy and the rate of true positives and false negatives, essential for this application, as it is an identification and alert system. Processing and training time values are also considered. The results obtained were superior to the state-of-the-art for identifying forest fires, with accuracies greater than 99.6% using the Random Forest technique. 2023-10-10T21:50:00Z 2023-08-18 Dissertação CASTRO, Lucas de Góes Muniz. Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina. 2023. 71 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2023. https://tede.ufam.edu.br/handle/tede/9749 por Acesso Aberto application/pdf Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica |
| institution |
TEDE - Universidade Federal do Amazonas |
| collection |
TEDE-UFAM |
| language |
por |
| topic |
Incêndios florestais Aprendizado do computador Processamento de imagens ENGENHARIAS CIENCIAS EXATAS E DA TERRA Identificação de incêndios florestais Segmentação de imagens Aprendizado de máquina Análise de quartis |
| spellingShingle |
Incêndios florestais Aprendizado do computador Processamento de imagens ENGENHARIAS CIENCIAS EXATAS E DA TERRA Identificação de incêndios florestais Segmentação de imagens Aprendizado de máquina Análise de quartis Castro, Lucas de Góes Muniz de Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| topic_facet |
Incêndios florestais Aprendizado do computador Processamento de imagens ENGENHARIAS CIENCIAS EXATAS E DA TERRA Identificação de incêndios florestais Segmentação de imagens Aprendizado de máquina Análise de quartis |
| description |
Este trabalho propõe o uso de diferentes técnicas de pré-processamento de dados e aprendizado profundo para análise de imagens e detecção de incêndios florestais. As imagens utilizadas para treinamento têm origem em dois diferentes bancos de dados com variação de horário, estação climática e posicionamento. Para o treinamento, optou-se por empregar algoritmos de aprendizagem supervisionada e classificadores probabilísticos, totalizando três origens de treinamento com variações de parâmetros e diferentes técnicas de pré-processamento complementares, como color perception e quartis.
A principal métrica de avaliação se refere a acurácia e ao índice de verdadeiros-positivos e falsos-negativos, essenciais para essa aplicação, por se tratar de um sistema de identificação e alerta. Também se considera valores de tempo de processamento e treinamento. Os resultados obtidos foram superiores ao estado-da-arte para identificação de incêndios florestais, com acurácias superiores a 99,6% utilizando a técnica Random Forest. |
| author_additional |
Carvalho, Celso Barbosa |
| author_additionalStr |
Carvalho, Celso Barbosa |
| format |
Dissertação |
| author |
Castro, Lucas de Góes Muniz de |
| author2 |
http://lattes.cnpq.br/1898497874796056 |
| author2Str |
http://lattes.cnpq.br/1898497874796056 |
| title |
Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| title_short |
Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| title_full |
Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| title_fullStr |
Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| title_full_unstemmed |
Identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| title_sort |
identificação de incêndios florestais utilizando segmentação de imagens e aprendizado de máquina |
| publisher |
Universidade Federal do Amazonas |
| publishDate |
2023 |
| url |
https://tede.ufam.edu.br/handle/tede/9749 |
| _version_ |
1831970250715824128 |
| score |
11.753735 |