Intelligent System for Fire Detection

Detalhes bibliográficos
Autor(a) principal: Madeira, Ana Abrantes de Abreu
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/92216
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_bcff82e6cd81e89e4d0abb9d9c9419da
oai_identifier_str oai:estudogeral.uc.pt:10316/92216
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Intelligent System for Fire DetectionSistema Inteligente para Deteção de IncêndiosDeep LearningReconhecimento de objetos em imagensRedes Neuronais ConvolucionaisTransfer LearningResidual NetworksDeep LearningImage RecognitionConvolutional Neural NetworksTransfer LearningResidual NetworksDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaA detecção de um incêndio na sua fase inicial pode mitigar amplamente as suas consequências. Com os desenvolvimentos na área da tecnologia de captura de imagens e a consequente melhoria da qualidade das imagens obtidas, torna-se hoje em dia possível o desenvolvimento de sistemas de identificação visual de incêndios. O presente trabalho apresenta um sistema inteligente de reconhecimento de fumo e fogo que pode ser aplicado a imagens capturadas por câmaras de smartphones. Este sistema destina-se a ser integrado numa aplicação que permitirá reportar incêndios por meio de dados crowdsourced. No âmbito do desenvolvimento do sistema, diferentes técnicas de deep learning para classificação de imagens e detecção de objetos foram implementadas e testadas, considerando duas abordagens distintas de reconhecimento de objetos de imagem: classificação de imagens e detecção de objetos. As fases de treino e avaliação dos modelos são também documentadas no presente trabalho, assim como todas as etapas de pré e pós-processamento consideradas. Para o desenvolvimento das diferentes abordagens de detecção de objetos e classificação de imagens, são propostos diferentes datasets para o treino e avaliação dos modelos ResNet e YOLO, específicos para o problema de reconhecimento de fumo e fogo em imagens. Destacam-se os datasets anotados propostos para treino e teste de modelos YOLO, que podem ser usados em futuros projetos de deteção de fumo e fogo. O sistema proposto apresenta resultados promissores para a detecção de objetos das classes Fire e Smoke em imagens estáticas. Com a abordagem de detecção proposta, é também possível obter bons resultados na classificação das imagens, atribuindo uma classe a cada imagem com base nos objetos detectados, através do método de pós-processamento proposto.The early detection of a fire can largely mitigate its harmful consequences. With the developments in the area of image capture technology and the consequent improvement in image quality, it is now possible to develop systems for visual identification of fire indicators. The present work presents an intelligent fire and smoke recognition system that can be applied to images captured by smartphone cameras. This system is to be integrated into an application that will allow the reporting of fires using crowdsourced data.Different deep learning techniques for image classification and object detection were implemented and tested, considering two distinct image object recognition approaches: image classification and object detection. The models' training and evaluation phases are documented in the present thesis as well as all the pre-processing and post-processing steps that were taken into account. As part of the development of fire detection and classification approaches, different datasets are proposed to train and evaluate ResNet and YOLO models, specific to the fire and smoke recognition problem. The proposed annotated datasets for YOLO models stand out, which can be used in future smoke and fire detection projects. The proposed system presents promising results for detecting objects of the Fire and Smoke classes in still images. With the proposed detection approach, it is also possible to obtain good results for image classification, assigning a class to each image based on the detected objects with the proposed post-processing method.Outro - FCT - FireLoc2020-09-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/92216http://hdl.handle.net/10316/92216TID:202553752engMadeira, Ana Abrantes de Abreuinfo: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:RCAAP2022-05-25T04:59:56Zoai:estudogeral.uc.pt:10316/92216Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:11:22.449030Repositório 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 Intelligent System for Fire Detection
Sistema Inteligente para Deteção de Incêndios
title Intelligent System for Fire Detection
spellingShingle Intelligent System for Fire Detection
Madeira, Ana Abrantes de Abreu
Deep Learning
Reconhecimento de objetos em imagens
Redes Neuronais Convolucionais
Transfer Learning
Residual Networks
Deep Learning
Image Recognition
Convolutional Neural Networks
Transfer Learning
Residual Networks
title_short Intelligent System for Fire Detection
title_full Intelligent System for Fire Detection
title_fullStr Intelligent System for Fire Detection
title_full_unstemmed Intelligent System for Fire Detection
title_sort Intelligent System for Fire Detection
author Madeira, Ana Abrantes de Abreu
author_facet Madeira, Ana Abrantes de Abreu
author_role author
dc.contributor.author.fl_str_mv Madeira, Ana Abrantes de Abreu
dc.subject.por.fl_str_mv Deep Learning
Reconhecimento de objetos em imagens
Redes Neuronais Convolucionais
Transfer Learning
Residual Networks
Deep Learning
Image Recognition
Convolutional Neural Networks
Transfer Learning
Residual Networks
topic Deep Learning
Reconhecimento de objetos em imagens
Redes Neuronais Convolucionais
Transfer Learning
Residual Networks
Deep Learning
Image Recognition
Convolutional Neural Networks
Transfer Learning
Residual Networks
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2020
dc.date.none.fl_str_mv 2020-09-18
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 http://hdl.handle.net/10316/92216
http://hdl.handle.net/10316/92216
TID:202553752
url http://hdl.handle.net/10316/92216
identifier_str_mv TID:202553752
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
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_ 1799134010268450816

Registros relacionados