Identificação de ativos de linha de transmissão por imagens de drones

Este trabalho busca desenvolver e validar um método automatizado para a identificação e classificação de ativos de linhas de transmissão de energia elétrica, utilizando imagens de alta resolução capturadas por Veículos Aéreos Não Tripulados (VANTs). O objetivo é mitigar os riscos e custos associados às inspeções manuais tradicionais. Para isso, foram implementados e comparados diferentes modelos de aprendizado de máquina capazes de predizer qual ativo está representado na imagem lidando com desafios como fundos complexos e variações de iluminação. A base de dados InsPlad-Det, composta por 13.985 amostras de 17 classes distintas de ativos, foi utilizada para o treinamento e validação dos modelos. A análise comparativa englobou quatro abordagens distintas: a extração de características via Wavelet Scattering utilizando Redes Neurais; a mesma técnica de Wavelet Scattering aplicada a classificadores clássicos (como SVM e KNN e nayve Bayes); uma Rede Neural Convolucional (CNN); e a arquitetura VGG16 utilizando a técnica de transfer learning. Os resultados demonstraram que, embora a VGG16 tenha obtido a maior acurácia absoluta, o modelo deWavelet Scattering com Redes Neurais apresentou o melhor equilíbrio entre precisão e custo computacional.

Author dc:creator

• Andrade, Lucas Côrtes de

Statement dc:rights

• Open Access

Language dc:language.iso

pt_BR

Repository record dc:identifier.uri

https://app.uff.br/riuff/handle/1/41741

OAI identifier oai:identifier

oai:app.uff.br:1/41741