Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa. DISCENTE: RICARDO COSTA DA SILVA MARQUES DATA: 19/06/2020 HORA: 09:00 LOCAL: Vídeo Conferência TÍTULO: Reconhecimento de Consumo Elétrico baseado em Imagens via Aprendizado Multi-Objetivo PALAVRAS-CHAVES: Leitura Automática da Medição, Aprendizagem Profunda, Redes Neurais Convolucionais, Aprendizado multi-objetivo. PÁGINAS: 64 GRANDE ÁREA: Ciências Exatas e da Terra ÁREA: Ciência da Computação RESUMO: A leitura automática de medidores é a tecnologia aplicada na coleta de dados de consumo, diagnóstico e status de dispositivos de medição, que visa melhorar o controle e a gestão das concessionárias distribuidoras de energia. O estudo de Automatic Meter Reading (AMR) contribui no estudo de técnicas de Processamento de Imagens, Reconhecimento de Padrões e Visão Computacional. Esta dissertação apresenta uma abordagem para detectar e reconhecer dígitos em visores de medidores analógicos e digitais, aplicando o Aprendizado Multi-Objetivo (MTL) subsidiado por Redes Neurais Profundas, com uma etapa adicional de otimização de hiperparâmetros. Uma função de perda deve ser adaptada para a modelagem do MTL, combinando a perda da detecção e da classificação. A escolha e definição dos hiperparâmetros é feita automaticamente com o algoritmo Tree Parzen Estimator (TPE). Para aplicação dessa metodologia foi criada uma base com 8033 imagens de visores. Aplicado o MTL na criação do modelo de detecção e reconhecimento. Foram realizados testes com as redes Faster R-CNN, YOLO e RetinaNet. O resultado obtido alcançou 0,953 de mAP e 98% de acurácia, utilizando Redes Neurais Profundas. MEMBROS DA BANCA: Interno - 407686 - ANSELMO CARDOSO DE PAIVA Externo à Instituição - ANTONIO OSEAS DE CARVALHO FILHO - UFPI Presidente - 2582240 - GERALDO BRAZ JUNIOR Co-orientador - 2663672 - JOAO DALLYSON SOUSA DE ALMEIDA