Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais

Detalhes bibliográficos
Autor(a) principal: SANTOS, Daniel de Matos Luna dos
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFMA
Texto Completo: https://tedebc.ufma.br/jspui/handle/tede/tede/2163
Resumo: Convolutional Neural Networks (CNN) has been successfully used for positioning operations on standalone platforms, for environments whose scenario complexity and image pre-processing capabilities are decisive factors for the success of the classification (repositioning attitudes). The objective of the present study is to develop an autonomous approximation system with the base classification of images by a CNN. The results show the superior CNN (accuracy 82%) to a method that uses Decision threshold and Markers (accuracy 51.8%), developed an initial test of the approach system. For the generation of the database based on the virtual model and its insertion different operating scenarios was used an image processing technique characterized as \Background Subtraction", where from a control threshold, the desired object) was extracted from the \Background"(pixels of the scenario), and later inserted in another \Background" (pixels related to the desired scenario), associated with the angle values of the respective model. The final results obtained include a tool for generating a database (applied to machine learning methods) and automating the repositioning process.
id UFMA_1dd8f1b1fa444d7004095e1096e304a5
oai_identifier_str oai:tede2:tede/2163
network_acronym_str UFMA
network_name_str Biblioteca Digital de Teses e Dissertações da UFMA
repository_id_str 2131
spelling BARROS FILHO, Allan Kardec Duailibe340225893-53http://lattes.cnpq.br/0492330410079141CAVALCANTE, André Borges006407643-12http://lattes.cnpq.br/3885279033465023BARROS FILHO, Allan Kardec Duailibe340225893-53http://lattes.cnpq.br/0492330410079141SANTANA, Ewaldo Eder Carvalhohttp://lattes.cnpq.br/0660692009750374FREIRE, Raimundo Carlos Silvériohttp://lattes.cnpq.br/4016576596215504CAVALCANTE, André Borges006407643-12http://lattes.cnpq.br/3885279033465023042228883-70http://lattes.cnpq.br/6261673583722884SANTOS, Daniel de Matos Luna dos2018-04-09T15:56:46Z2018-02-28SANTOS, Daniel de Matos Luna dos. Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais. 2018. 83f. Dissertação (Mestrado em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.https://tedebc.ufma.br/jspui/handle/tede/tede/2163Convolutional Neural Networks (CNN) has been successfully used for positioning operations on standalone platforms, for environments whose scenario complexity and image pre-processing capabilities are decisive factors for the success of the classification (repositioning attitudes). The objective of the present study is to develop an autonomous approximation system with the base classification of images by a CNN. The results show the superior CNN (accuracy 82%) to a method that uses Decision threshold and Markers (accuracy 51.8%), developed an initial test of the approach system. For the generation of the database based on the virtual model and its insertion different operating scenarios was used an image processing technique characterized as \Background Subtraction", where from a control threshold, the desired object) was extracted from the \Background"(pixels of the scenario), and later inserted in another \Background" (pixels related to the desired scenario), associated with the angle values of the respective model. The final results obtained include a tool for generating a database (applied to machine learning methods) and automating the repositioning process.As Redes Neuronais Convolucionais (do inglês Convolutional Neural NetworksCNN ) têm sido utilizadas com sucesso para operações de alinhamento em plataformas autônomas, para ambientes cuja complexidade do cenário e os recursos de pré-processamento da imagem são fatores decisivos para o sucesso da classificação (atitudes de reposicionamento). O objetivo do presente estudo é desenvolver um sistema de aproximação autônomo com base na classificação de imagens por uma CNN. Os resultados obtidos mostram a CNN superior (Acurácia 82%) a um método que utiliza Limiar de Decisão e Marcadores (Acurácia 51,8%), desenvolvido para teste inicial do sistema de aproximação. A utilização da Rede Convolucional também implicou no desenvolvimento de uma ferramenta de geração do banco de dados em diferentes cenários nos quais foram gerados tanto sobre o modelo virtual do sistema mecânico, como sobre o modelo físico. Para a geração do banco de dados com base no modelo virtual e sua inserção diferentes cenários de operação foi utilizada uma técnica de processamento de imagem caracterizada como \Background Subtraction", onde a partir de um limiar de controle, o objeto desejado (sistema de sondagem) foi extraído do \Background"(píxeis do cenário), sendo posteriormente inserido em outro \Background"(píxeis referentes ao cenário desejado), associado aos valores de ângulo do respectivo modelo. Na geração do banco de dados com o modelo físico foram utilizados sensores para aquisição de imagens e valores de ângulo de inclinação do sistema de sondagem. Os resultados finais obtidos contemplam uma ferramenta para geração de um banco de dados (aplicados `a métodos de aprendizagem de máquina), e automatização do processo de reposicionamento.Submitted by Daniella Santos (daniella.santos@ufma.br) on 2018-04-09T15:56:46Z No. of bitstreams: 1 DanielSantos.pdf: 5920451 bytes, checksum: 2a6ee6310fbd4512680c98821375a2eb (MD5)Made available in DSpace on 2018-04-09T15:56:46Z (GMT). No. of bitstreams: 1 DanielSantos.pdf: 5920451 bytes, checksum: 2a6ee6310fbd4512680c98821375a2eb (MD5) Previous issue date: 2018-02-28CAPESapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABrasilDEPARTAMENTO DA ENGENHARIA DA ELETRICIDADE/CCETReposicionamentoBanco de DadosRedes ConvolucionaisAutomatizaçãoImagemRepositioningDatabaseConvolutional NetworksAutomationEngenharia ElétricaDesenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes ConvolucionaisDevelopment of a repositioning system for a robot of probing using convolutional networksinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALDanielSantos.pdfDanielSantos.pdfapplication/pdf5920451http://tedebc.ufma.br:8080/bitstream/tede/2163/2/DanielSantos.pdf2a6ee6310fbd4512680c98821375a2ebMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82255http://tedebc.ufma.br:8080/bitstream/tede/2163/1/license.txt97eeade1fce43278e63fe063657f8083MD51tede/21632018-05-17 11:00:59.444oai:tede2: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Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312018-05-17T14:00:59Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false
dc.title.por.fl_str_mv Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
dc.title.alternative.eng.fl_str_mv Development of a repositioning system for a robot of probing using convolutional networks
title Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
spellingShingle Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
SANTOS, Daniel de Matos Luna dos
Reposicionamento
Banco de Dados
Redes Convolucionais
Automatização
Imagem
Repositioning
Database
Convolutional Networks
Automation
Engenharia Elétrica
title_short Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
title_full Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
title_fullStr Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
title_full_unstemmed Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
title_sort Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais
author SANTOS, Daniel de Matos Luna dos
author_facet SANTOS, Daniel de Matos Luna dos
author_role author
dc.contributor.advisor1.fl_str_mv BARROS FILHO, Allan Kardec Duailibe
dc.contributor.advisor1ID.fl_str_mv 340225893-53
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/0492330410079141
dc.contributor.advisor-co1.fl_str_mv CAVALCANTE, André Borges
dc.contributor.advisor-co1ID.fl_str_mv 006407643-12
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/3885279033465023
dc.contributor.referee1.fl_str_mv BARROS FILHO, Allan Kardec Duailibe
dc.contributor.referee1ID.fl_str_mv 340225893-53
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/0492330410079141
dc.contributor.referee2.fl_str_mv SANTANA, Ewaldo Eder Carvalho
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/0660692009750374
dc.contributor.referee3.fl_str_mv FREIRE, Raimundo Carlos Silvério
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/4016576596215504
dc.contributor.referee4.fl_str_mv CAVALCANTE, André Borges
dc.contributor.referee4ID.fl_str_mv 006407643-12
dc.contributor.referee4Lattes.fl_str_mv http://lattes.cnpq.br/3885279033465023
dc.contributor.authorID.fl_str_mv 042228883-70
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/6261673583722884
dc.contributor.author.fl_str_mv SANTOS, Daniel de Matos Luna dos
contributor_str_mv BARROS FILHO, Allan Kardec Duailibe
CAVALCANTE, André Borges
BARROS FILHO, Allan Kardec Duailibe
SANTANA, Ewaldo Eder Carvalho
FREIRE, Raimundo Carlos Silvério
CAVALCANTE, André Borges
dc.subject.por.fl_str_mv Reposicionamento
Banco de Dados
Redes Convolucionais
Automatização
Imagem
topic Reposicionamento
Banco de Dados
Redes Convolucionais
Automatização
Imagem
Repositioning
Database
Convolutional Networks
Automation
Engenharia Elétrica
dc.subject.eng.fl_str_mv Repositioning
Database
Convolutional Networks
Automation
dc.subject.cnpq.fl_str_mv Engenharia Elétrica
description Convolutional Neural Networks (CNN) has been successfully used for positioning operations on standalone platforms, for environments whose scenario complexity and image pre-processing capabilities are decisive factors for the success of the classification (repositioning attitudes). The objective of the present study is to develop an autonomous approximation system with the base classification of images by a CNN. The results show the superior CNN (accuracy 82%) to a method that uses Decision threshold and Markers (accuracy 51.8%), developed an initial test of the approach system. For the generation of the database based on the virtual model and its insertion different operating scenarios was used an image processing technique characterized as \Background Subtraction", where from a control threshold, the desired object) was extracted from the \Background"(pixels of the scenario), and later inserted in another \Background" (pixels related to the desired scenario), associated with the angle values of the respective model. The final results obtained include a tool for generating a database (applied to machine learning methods) and automating the repositioning process.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-04-09T15:56:46Z
dc.date.issued.fl_str_mv 2018-02-28
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.citation.fl_str_mv SANTOS, Daniel de Matos Luna dos. Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais. 2018. 83f. Dissertação (Mestrado em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.
dc.identifier.uri.fl_str_mv https://tedebc.ufma.br/jspui/handle/tede/tede/2163
identifier_str_mv SANTOS, Daniel de Matos Luna dos. Desenvolvimento de um Sistema de Reposicionamento para um Robô de Sondagem utilizando Redes Convolucionais. 2018. 83f. Dissertação (Mestrado em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís.
url https://tedebc.ufma.br/jspui/handle/tede/tede/2163
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.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
dc.publisher.initials.fl_str_mv UFMA
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv DEPARTAMENTO DA ENGENHARIA DA ELETRICIDADE/CCET
publisher.none.fl_str_mv Universidade Federal do Maranhão
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFMA
instname:Universidade Federal do Maranhão (UFMA)
instacron:UFMA
instname_str Universidade Federal do Maranhão (UFMA)
instacron_str UFMA
institution UFMA
reponame_str Biblioteca Digital de Teses e Dissertações da UFMA
collection Biblioteca Digital de Teses e Dissertações da UFMA
bitstream.url.fl_str_mv http://tedebc.ufma.br:8080/bitstream/tede/2163/2/DanielSantos.pdf
http://tedebc.ufma.br:8080/bitstream/tede/2163/1/license.txt
bitstream.checksum.fl_str_mv 2a6ee6310fbd4512680c98821375a2eb
97eeade1fce43278e63fe063657f8083
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)
repository.mail.fl_str_mv repositorio@ufma.br||repositorio@ufma.br
_version_ 1809926188865421312