Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder

Detalhes bibliográficos
Autor(a) principal: Milczarek, Alexsander Küster
Data de Publicação: 2023
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UCS
Texto Completo: https://repositorio.ucs.br/11338/12766
Resumo: Segurança em barragens é um tema de extrema importância, já que acidentes envolvendo tais construções podem causar grandes danos à população e ao meio ambiente. Para garantir a segurança destas estruturas é necessário identificar possíveis rachaduras e defeitos, que podem levar a rompimentos e fraturas no concreto. Esses defeitos são conhecidos como anomalias e podem ocorrer em qualquer ambiente, desde na natureza até em chips de computadores. Visando garantir tal segurança, foi elaborado este estudo: inicialmente, foi feita uma revisão da literatura, em que as redes neurais autoencoders se destacaram na solução de tais problemas. Autoencoders são redes generativas capazes de reconstruir imagens, utilizando como base um conjunto de dados. Para fins de treinamento foi aplicada essa arquitetura, obtendo resultados semelhantes aos dos trabalhos analisados. Dessa forma, percebe-se que tal modelo poderia ser utilizado para identificação de rachaduras, servindo como uma ferramenta na prevenção de desastres ambientais envolvendo barragens. [resumo fornecido pelo autor]
id UCS_ff7687fe3524113b7540d4dd9280d158
oai_identifier_str oai:repositorio.ucs.br:11338/12766
network_acronym_str UCS
network_name_str Repositório Institucional da UCS
repository_id_str
spelling Milczarek, Alexsander KüsterWebber, Carine GeltrudesCasa, Marcos EduardoBoff, ElisaWebber, Carine Geltrudes2023-10-31T16:58:03Z2023-10-31T16:58:03Z2023-10-192023-07-03https://repositorio.ucs.br/11338/12766Segurança em barragens é um tema de extrema importância, já que acidentes envolvendo tais construções podem causar grandes danos à população e ao meio ambiente. Para garantir a segurança destas estruturas é necessário identificar possíveis rachaduras e defeitos, que podem levar a rompimentos e fraturas no concreto. Esses defeitos são conhecidos como anomalias e podem ocorrer em qualquer ambiente, desde na natureza até em chips de computadores. Visando garantir tal segurança, foi elaborado este estudo: inicialmente, foi feita uma revisão da literatura, em que as redes neurais autoencoders se destacaram na solução de tais problemas. Autoencoders são redes generativas capazes de reconstruir imagens, utilizando como base um conjunto de dados. Para fins de treinamento foi aplicada essa arquitetura, obtendo resultados semelhantes aos dos trabalhos analisados. Dessa forma, percebe-se que tal modelo poderia ser utilizado para identificação de rachaduras, servindo como uma ferramenta na prevenção de desastres ambientais envolvendo barragens. [resumo fornecido pelo autor]Safety in dams is an extremely important issue, since accidents involving such constructions can cause great damage to the population and the environment. To ensure the safety of these structures, it is necessary to identify possible cracks and defects, which can lead to ruptures and fractures in the concrete. These defects are known as anomalies and can occur in any environment, from nature to computer chips. In order to guarantee such safety, this study was elaborated: initially, a literature review was carried out, in which the neural networks autoencoders stood out in the solution of such problems. Autoencoders are generative networks capable of reconstructing images, based on a dataset. For training purposes, this architecture was applied, obtaining results similar to those of the works analyzed. Thus, it is clear that such a model could be used to identify cracks, serving as a tool in the prevention of environmental disasters involving dams. [resumo fornecido pelo autor]Inteligência artificialRedes neurais (Computação)Falhas em barragensDetecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoderinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleporreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do SulBacharelado em Ciência da ComputaçãoCampus Universitário de Caxias do Sul2023-10-18ORIGINALTCC Alexsander Kuster Milczarek.pdfTCC Alexsander Kuster Milczarek.pdfapplication/pdf3579251https://repositorio.ucs.br/xmlui/bitstream/11338/12766/1/TCC%20Alexsander%20Kuster%20Milczarek.pdf5eb8bfad0789c107fe033acb048c4010MD51TEXTTCC Alexsander Kuster Milczarek.pdf.txtTCC Alexsander Kuster Milczarek.pdf.txtExtracted texttext/plain61825https://repositorio.ucs.br/xmlui/bitstream/11338/12766/2/TCC%20Alexsander%20Kuster%20Milczarek.pdf.txt071e608bcedf9d5b15da626b56c8610dMD52THUMBNAILTCC Alexsander Kuster Milczarek.pdf.jpgTCC Alexsander Kuster Milczarek.pdf.jpgGenerated Thumbnailimage/jpeg1587https://repositorio.ucs.br/xmlui/bitstream/11338/12766/3/TCC%20Alexsander%20Kuster%20Milczarek.pdf.jpg18476c171574ee5d4139d5ff1bc51ab2MD5311338/127662023-11-01 07:00:56.7oai:repositorio.ucs.br:11338/12766Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2023-11-01T07:00:56Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false
dc.title.pt_BR.fl_str_mv Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
title Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
spellingShingle Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
Milczarek, Alexsander Küster
Inteligência artificial
Redes neurais (Computação)
Falhas em barragens
title_short Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
title_full Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
title_fullStr Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
title_full_unstemmed Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
title_sort Detecção de anomalias estruturais em barragens utilizando uma arquitetura autoencoder
author Milczarek, Alexsander Küster
author_facet Milczarek, Alexsander Küster
author_role author
dc.contributor.other.none.fl_str_mv Webber, Carine Geltrudes
Casa, Marcos Eduardo
Boff, Elisa
dc.contributor.author.fl_str_mv Milczarek, Alexsander Küster
dc.contributor.advisor1.fl_str_mv Webber, Carine Geltrudes
contributor_str_mv Webber, Carine Geltrudes
dc.subject.por.fl_str_mv Inteligência artificial
Redes neurais (Computação)
Falhas em barragens
topic Inteligência artificial
Redes neurais (Computação)
Falhas em barragens
description Segurança em barragens é um tema de extrema importância, já que acidentes envolvendo tais construções podem causar grandes danos à população e ao meio ambiente. Para garantir a segurança destas estruturas é necessário identificar possíveis rachaduras e defeitos, que podem levar a rompimentos e fraturas no concreto. Esses defeitos são conhecidos como anomalias e podem ocorrer em qualquer ambiente, desde na natureza até em chips de computadores. Visando garantir tal segurança, foi elaborado este estudo: inicialmente, foi feita uma revisão da literatura, em que as redes neurais autoencoders se destacaram na solução de tais problemas. Autoencoders são redes generativas capazes de reconstruir imagens, utilizando como base um conjunto de dados. Para fins de treinamento foi aplicada essa arquitetura, obtendo resultados semelhantes aos dos trabalhos analisados. Dessa forma, percebe-se que tal modelo poderia ser utilizado para identificação de rachaduras, servindo como uma ferramenta na prevenção de desastres ambientais envolvendo barragens. [resumo fornecido pelo autor]
publishDate 2023
dc.date.submitted.none.fl_str_mv 2023-07-03
dc.date.accessioned.fl_str_mv 2023-10-31T16:58:03Z
dc.date.available.fl_str_mv 2023-10-31T16:58:03Z
dc.date.issued.fl_str_mv 2023-10-19
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ucs.br/11338/12766
url https://repositorio.ucs.br/11338/12766
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UCS
instname:Universidade de Caxias do Sul (UCS)
instacron:UCS
instname_str Universidade de Caxias do Sul (UCS)
instacron_str UCS
institution UCS
reponame_str Repositório Institucional da UCS
collection Repositório Institucional da UCS
bitstream.url.fl_str_mv https://repositorio.ucs.br/xmlui/bitstream/11338/12766/1/TCC%20Alexsander%20Kuster%20Milczarek.pdf
https://repositorio.ucs.br/xmlui/bitstream/11338/12766/2/TCC%20Alexsander%20Kuster%20Milczarek.pdf.txt
https://repositorio.ucs.br/xmlui/bitstream/11338/12766/3/TCC%20Alexsander%20Kuster%20Milczarek.pdf.jpg
bitstream.checksum.fl_str_mv 5eb8bfad0789c107fe033acb048c4010
071e608bcedf9d5b15da626b56c8610d
18476c171574ee5d4139d5ff1bc51ab2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)
repository.mail.fl_str_mv
_version_ 1798308914511478784

Registros relacionados