Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais

Detalhes bibliográficos
Autor(a) principal: Meirelles, Leonardo Santos
Data de Publicação: 2024
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/33416
Resumo: Devido às atividades humanas crescendo em larga escala ao longo dos últimos anos, o meio ambiente tem sido cada vez mais afetado. Apesar de acontecerem de forma natural, os incêndios florestais de origem humana se agravaram, prejudicando tanto a natureza quanto os habitantes. Consequentemente, foram criadas maneiras de amenizar esses empecilhos, e uma delas é o monitoramento desses incêndios, tentando prevê-los quanto antes para poder tomar uma ação de mitigação. Os sensores detectores de fumaça são utilizados em campo e detectam diferentes gases em diferentes concentrações indicando a possível presença de um foco de incêndio. Para obter resultados mais precisos, esses sensores são calibrados. A fim de incrementar a precisão do sensor detector de fumaça, foi desenvolvida neste trabalho uma rede neural artificial alimentada com variações algébricas de dados já coletados. Esta primeira versão traz uma porcentagem de acerto de 99% na detecção de incêndio. Aconselha-se que os dados de treinamento tenham naturezas diferentes, mas que ainda estejam interligados entre si. Além disso, precaver erros de coleta de dados
id UFF-2_9ff8b5e429fac28ee7a485a7e41fb82b
oai_identifier_str oai:app.uff.br:1/33416
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestaisIncêndios florestaisRedes neurais artificiaisCalibração de sensoresIncêndio florestalMonitoramento ambientalDetectorFire forestsArtificial neural networksSensor calibrationDevido às atividades humanas crescendo em larga escala ao longo dos últimos anos, o meio ambiente tem sido cada vez mais afetado. Apesar de acontecerem de forma natural, os incêndios florestais de origem humana se agravaram, prejudicando tanto a natureza quanto os habitantes. Consequentemente, foram criadas maneiras de amenizar esses empecilhos, e uma delas é o monitoramento desses incêndios, tentando prevê-los quanto antes para poder tomar uma ação de mitigação. Os sensores detectores de fumaça são utilizados em campo e detectam diferentes gases em diferentes concentrações indicando a possível presença de um foco de incêndio. Para obter resultados mais precisos, esses sensores são calibrados. A fim de incrementar a precisão do sensor detector de fumaça, foi desenvolvida neste trabalho uma rede neural artificial alimentada com variações algébricas de dados já coletados. Esta primeira versão traz uma porcentagem de acerto de 99% na detecção de incêndio. Aconselha-se que os dados de treinamento tenham naturezas diferentes, mas que ainda estejam interligados entre si. Além disso, precaver erros de coleta de dadosThe environment has been affected due to human activities that have grown on a large scale through the years. Despite fire forests happening naturally, fire forests from human sources have grown and consequently harm both nature and human beings. For this reason, several ideas have appeared to lighten these struggles. One of them is fire monitoring, which tries to predict fire forests as soon as possible so action can be taken to handle them. Smoke detecting sensors are used in the field to detect different gases in several concentrations. To obtain precise results, these sensors must be calibrated. However, there's no existing device that detects fire 100% precisely and for this reason, it was developed an artificial neural network trained by algebraic variations of data already collected in laboratory tests. The first version presents a 99% accuracy in fire detecting. It's recommended that the data acquired to train de neural network come from different sources but be associated with each other. It is suggested that the network get fed by different source data69 f.Salcedo, Ivanovich LacheCataldi, MárcioHamacher, Leonardo da SilvaMeirelles, Leonardo Santos2024-07-18T14:26:22Z2024-07-18T14:26:22Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMEIRELLES, Leonardo Santos. Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022.https://app.uff.br/riuff/handle/1/33416CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-07-18T14:26:26Zoai:app.uff.br:1/33416Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:51:17.502016Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
title Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
spellingShingle Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
Meirelles, Leonardo Santos
Incêndios florestais
Redes neurais artificiais
Calibração de sensores
Incêndio florestal
Monitoramento ambiental
Detector
Fire forests
Artificial neural networks
Sensor calibration
title_short Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
title_full Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
title_fullStr Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
title_full_unstemmed Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
title_sort Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais
author Meirelles, Leonardo Santos
author_facet Meirelles, Leonardo Santos
author_role author
dc.contributor.none.fl_str_mv Salcedo, Ivanovich Lache
Cataldi, Márcio
Hamacher, Leonardo da Silva
dc.contributor.author.fl_str_mv Meirelles, Leonardo Santos
dc.subject.por.fl_str_mv Incêndios florestais
Redes neurais artificiais
Calibração de sensores
Incêndio florestal
Monitoramento ambiental
Detector
Fire forests
Artificial neural networks
Sensor calibration
topic Incêndios florestais
Redes neurais artificiais
Calibração de sensores
Incêndio florestal
Monitoramento ambiental
Detector
Fire forests
Artificial neural networks
Sensor calibration
description Devido às atividades humanas crescendo em larga escala ao longo dos últimos anos, o meio ambiente tem sido cada vez mais afetado. Apesar de acontecerem de forma natural, os incêndios florestais de origem humana se agravaram, prejudicando tanto a natureza quanto os habitantes. Consequentemente, foram criadas maneiras de amenizar esses empecilhos, e uma delas é o monitoramento desses incêndios, tentando prevê-los quanto antes para poder tomar uma ação de mitigação. Os sensores detectores de fumaça são utilizados em campo e detectam diferentes gases em diferentes concentrações indicando a possível presença de um foco de incêndio. Para obter resultados mais precisos, esses sensores são calibrados. A fim de incrementar a precisão do sensor detector de fumaça, foi desenvolvida neste trabalho uma rede neural artificial alimentada com variações algébricas de dados já coletados. Esta primeira versão traz uma porcentagem de acerto de 99% na detecção de incêndio. Aconselha-se que os dados de treinamento tenham naturezas diferentes, mas que ainda estejam interligados entre si. Além disso, precaver erros de coleta de dados
publishDate 2024
dc.date.none.fl_str_mv 2024-07-18T14:26:22Z
2024-07-18T14:26:22Z
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 MEIRELLES, Leonardo Santos. Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022.
https://app.uff.br/riuff/handle/1/33416
identifier_str_mv MEIRELLES, Leonardo Santos. Aplicação de redes neurais artificiais para calibração de um sensor de incêndios florestais. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022.
url https://app.uff.br/riuff/handle/1/33416
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823588810948608

Registros relacionados