Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo

Detalhes bibliográficos
Autor(a) principal: Barreto, Lucas Luis de Souza
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFAM
Texto Completo: http://riu.ufam.edu.br/handle/prefix/7543
Resumo: This work presents an embedded system development for siren detection using deep learning. In urban areas, emergency vehicles sirens play a role of alerting drivers and pedestrians to an emergency situation that requires a quick response. However, the acoustic insulation of vehicles and urban noise often make it difficult for sirens to be heard. This work contributes to solving this problem by using a microcontroller, audio processing techniques, and convolutional neural networks to detect sirens and take action to assist these emergency vehicles. The system achieved good performance metrics, most above 95%. This result demonstrates the feasibility of applying deep learning in embedded systems to improve traffic safety and efficiency.
id UFAM-1_64ab91442ed7b2563ff4c5d3687b8059
oai_identifier_str oai:localhost:prefix/7543
network_acronym_str UFAM-1
network_name_str Repositório Institucional da UFAM
repository_id_str
spelling Um sistema embarcado para detecção de sirenes utilizando aprendizado profundoSistemas embarcadosAprendizado profundoProcessamento de áudioDetecção de sirenesMicrocontroladoresCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: HARDWARE..This work presents an embedded system development for siren detection using deep learning. In urban areas, emergency vehicles sirens play a role of alerting drivers and pedestrians to an emergency situation that requires a quick response. However, the acoustic insulation of vehicles and urban noise often make it difficult for sirens to be heard. This work contributes to solving this problem by using a microcontroller, audio processing techniques, and convolutional neural networks to detect sirens and take action to assist these emergency vehicles. The system achieved good performance metrics, most above 95%. This result demonstrates the feasibility of applying deep learning in embedded systems to improve traffic safety and efficiency.Este trabalho apresenta o desenvolvimento de um sistema embarcado para detecção de sirenes utilizando aprendizado profundo. Em áreas urbanas, as sirenes de veículos de emergência tem o papel de alertar motoristas e pedestres sobre uma situação de emergência, na qual devem chegar rapidamente. No entanto, o isolamento acústico dos veículos e o ruído urbano atrapalham que as sirenes sejam ouvidas. Este trabalho contribui para solucionar esse problema, utilizando um microcontrolador, técnicas de processamento de áudio e redes neurais convolucionais para detectar as sirenes e fazer uma ação que auxilie estes veículos de emergência. O sistema alcançou boas métricas de desempenho, a maioria acima dos 95%. Este resultado mostra a viabilidade de aplicar aprendizado profundo em sistemas embarcados para aprimorar a segurança e a eficiência no trânsito.4SimBrasilFT - Faculdade de TecnologiaManaus (AM)Engenharia da Computação - Bacharelado - ManausOliveira, Horácio Antônio Braga Fernandes dehttp://lattes.cnpq.br/9314744999783676Souto, Eduardo James PereiraColonna, Juan GabrielBarreto, Lucas Luis de Souza2024-08-15T18:51:01Z2024-08-15T18:51:01Z2024-07-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesishttp://riu.ufam.edu.br/handle/prefix/7543porhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2024-08-15T18:52:19Zoai:localhost:prefix/7543Repositório InstitucionalPUBhttp://riu.ufam.edu.br/oai/requestopendoar:2024-08-15T18:52:19Repositório Institucional da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
title Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
spellingShingle Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
Barreto, Lucas Luis de Souza
Sistemas embarcados
Aprendizado profundo
Processamento de áudio
Detecção de sirenes
Microcontroladores
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: HARDWARE
.
.
title_short Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
title_full Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
title_fullStr Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
title_full_unstemmed Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
title_sort Um sistema embarcado para detecção de sirenes utilizando aprendizado profundo
author Barreto, Lucas Luis de Souza
author_facet Barreto, Lucas Luis de Souza
author_role author
dc.contributor.none.fl_str_mv Oliveira, Horácio Antônio Braga Fernandes de
http://lattes.cnpq.br/9314744999783676
Souto, Eduardo James Pereira
Colonna, Juan Gabriel
dc.contributor.author.fl_str_mv Barreto, Lucas Luis de Souza
dc.subject.por.fl_str_mv Sistemas embarcados
Aprendizado profundo
Processamento de áudio
Detecção de sirenes
Microcontroladores
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: HARDWARE
.
.
topic Sistemas embarcados
Aprendizado profundo
Processamento de áudio
Detecção de sirenes
Microcontroladores
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAO: HARDWARE
.
.
description This work presents an embedded system development for siren detection using deep learning. In urban areas, emergency vehicles sirens play a role of alerting drivers and pedestrians to an emergency situation that requires a quick response. However, the acoustic insulation of vehicles and urban noise often make it difficult for sirens to be heard. This work contributes to solving this problem by using a microcontroller, audio processing techniques, and convolutional neural networks to detect sirens and take action to assist these emergency vehicles. The system achieved good performance metrics, most above 95%. This result demonstrates the feasibility of applying deep learning in embedded systems to improve traffic safety and efficiency.
publishDate 2024
dc.date.none.fl_str_mv 2024-08-15T18:51:01Z
2024-08-15T18:51:01Z
2024-07-31
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://riu.ufam.edu.br/handle/prefix/7543
url http://riu.ufam.edu.br/handle/prefix/7543
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Brasil
FT - Faculdade de Tecnologia
Manaus (AM)
Engenharia da Computação - Bacharelado - Manaus
publisher.none.fl_str_mv Brasil
FT - Faculdade de Tecnologia
Manaus (AM)
Engenharia da Computação - Bacharelado - Manaus
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Repositório Institucional da UFAM
collection Repositório Institucional da UFAM
repository.name.fl_str_mv Repositório Institucional da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv
_version_ 1813274256571629568

Registros relacionados