Segmentação Semântica de Medidores de Energia Elétrica e Componentes de Identificação / Semantic Segmentation of Electricity Meters and Identification Components

• Autor(a) principal: Serra, Arthur Costa
• Data de Publicação: 2020
• Outros Autores: França, João Vitor Ferreira, Sousa, Jefferson Alves de, Costa, Robherson Wector de Sousa, Silva, Italo Francyles Santos da, Rocha, Simara Vieira da, Paiva, Anselmo Cardoso de, Silva, Aristófanes Correa, Monteiro, Eliana Márcia G., Silva, Italo Fernandes S. da, Silva, Márcia Izabel A. da, Santos, Jose Messias dos
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Brazilian Applied Science Review
• Texto Completo: https://ojs.brazilianjournals.com.br/ojs/index.php/BASR/article/view/12004
• topic: Autoleitura; Autoauditoria; Processamento de imagens; Segmentação Semântica; Aprendizado Profundo

A Agência Nacional de Energia Elétrica (ANEEL) classifica erros de medição de consumo e processamento de fatura como perdas não-técnicas.  Quando essas irregularidades são identificadas, ´e solicitada a aquisição da imagem do medidor e a captura da localização geográfica do leiturista para registrar a sua presença no local. Essas imagens são enviadas para o setor de auditoria. Este recebe um grande volume de imagens, cuja análise completa é muito lenta. Como alternativa, tem-se a autoleitura, que é a leitura feita pelo próprio cliente através de plataformas digitais. E para garantir a segurança no processo de autoleitura, é necessária uma etapa automática de validação (autoauditoria).  Este trabalho propõe um método baseado em aprendizado profundo para a segmentação semântica de medidores de energia e componentes de identificação, almejando contribuir com mais eficiência ao processo de validação de leitura.  O método apresenta mean average precision (mAP) de 73,10% para os casos em que intersection over union (IoU) ? a 0,50; 42,17% para IoU ? 0,75 e 41,28% quando IoU ? 0,99.