Detection and classification of small impacts on vehicles based on deep learning algorithms

Detalhes bibliográficos
Autor(a) principal: Nascimento, Bruno Manuel Macedo
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: https://hdl.handle.net/1822/83610
Resumo: Dissertação de mestrado integrado em Informatics Engineering
id RCAP_b7c3ef4ca4c8227c6073954a64835552
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/83610
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Detection and classification of small impacts on vehicles based on deep learning algorithmsImpact detectionArtificial intelligenceDeep learningNeural networkSignal processingDetecção de impactosInteligência artificialDeep learningRedes neuronaisProcessamento síntese de sinalEngenharia e Tecnologia::Outras Engenharias e TecnologiasDissertação de mestrado integrado em Informatics EngineeringThis thesis explores the detection of impacts that cause damage based on data retrieved by an accelerometer placed inside a vehicle and subsequently classified by deep learning algorithms. The real world application of this work inserts itself in the car sharing market, by providing an automated service that allows constant monitoring on the vehicle status. The proposed solution was set as an alternative to the current machine learning algorithms in use. Previous research showed that deep learning algorithms are achieving better performance results when compared to non deep learning algorithms. We use data retrieved from two types of events: Normal driving and damage causing situations to test if the models are capable of generalising damage events. The approach to achieve this objective consisted in exploring and testing different algorithms: Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN). Results revealed promising performance, with the MLP reaching a 82% true positive rate. Despite not matching the result obtained by the current non deep learning algorithm allows us to assess that deep learning is a strong alternative in the long term as more data is collected.O principal objectivo desta tese foi a exploração e detecção de impactos que causam danos com base em dados recolhidos por um acelerómetro colocado no interior um veículo e posteriormente classificados por algoritmos de deep learning. A aplicação deste trabalho no mundo real insere-se no mercado de partilha de veículos, ao fornecer um serviço automático que permite uma monitorização constante do estado do veículo. A solução proposta foi definida como uma alternativa aos actuais algoritmos de machine learning em uso. A revisão de literatura revelou que algoritmos de deep learning estão a alcançar melhores resultados de desempenho quando comparados com algoritmos de machine learning. Utilizamos dados recolhidos de dois tipos de eventos: Condução normal e situações que causam dano e testar se os modelos são capazes de generalizar os eventos de danos. A abordagem para alcançar este objectivo consistiu em explorar e testar diferentes algoritmos: MLP, CNN e RNN. Os resultados revelaram um desempenho promissor, com a MLP a atingir uma taxa de 82% de verdadeiros positivos. Apesar de não corresponder ao melhor resultado obtido pelo actual algoritmo de machine learning em uso permite-nos avaliar que deep learning é uma forte alternativa a longo prazo à medida que mais dados forem recolhidos.Fernandes, João M.Ferreira, André LeiteUniversidade do MinhoNascimento, Bruno Manuel Macedo20222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/83610eng203245920info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-07-21T12:06:31Zoai:repositorium.sdum.uminho.pt:1822/83610Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T18:57:13.066488Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Detection and classification of small impacts on vehicles based on deep learning algorithms
title Detection and classification of small impacts on vehicles based on deep learning algorithms
spellingShingle Detection and classification of small impacts on vehicles based on deep learning algorithms
Nascimento, Bruno Manuel Macedo
Impact detection
Artificial intelligence
Deep learning
Neural network
Signal processing
Detecção de impactos
Inteligência artificial
Deep learning
Redes neuronais
Processamento síntese de sinal
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short Detection and classification of small impacts on vehicles based on deep learning algorithms
title_full Detection and classification of small impacts on vehicles based on deep learning algorithms
title_fullStr Detection and classification of small impacts on vehicles based on deep learning algorithms
title_full_unstemmed Detection and classification of small impacts on vehicles based on deep learning algorithms
title_sort Detection and classification of small impacts on vehicles based on deep learning algorithms
author Nascimento, Bruno Manuel Macedo
author_facet Nascimento, Bruno Manuel Macedo
author_role author
dc.contributor.none.fl_str_mv Fernandes, João M.
Ferreira, André Leite
Universidade do Minho
dc.contributor.author.fl_str_mv Nascimento, Bruno Manuel Macedo
dc.subject.por.fl_str_mv Impact detection
Artificial intelligence
Deep learning
Neural network
Signal processing
Detecção de impactos
Inteligência artificial
Deep learning
Redes neuronais
Processamento síntese de sinal
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic Impact detection
Artificial intelligence
Deep learning
Neural network
Signal processing
Detecção de impactos
Inteligência artificial
Deep learning
Redes neuronais
Processamento síntese de sinal
Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Dissertação de mestrado integrado em Informatics Engineering
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/83610
url https://hdl.handle.net/1822/83610
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 203245920
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799132360958017536

Registros relacionados