PPGCC/CCET

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