Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFMA |
Texto Completo: | https://tedebc.ufma.br/jspui/handle/tede/tede/5447 |
Resumo: | To prevent and mitigate the environmental impact of transporting and extracting oil and its derivatives, the conception, design, development and implementation of a sensor node for wireless sensor networks (WSN) is presented in this Thesis. The proposed system is a static intelligent sensor node that detects and classi es pollutants in aquatic environments using machine learning and IoT (Internet of Things) approaches. The development of the sensor node consists of three phases. In the rst phase, the design and modeling of the embedded system includes mathematical modeling of the node, power system, communication structure, detection and classi cation of pollutants via machine learning and IoT. The implementation of the static sensor node is presented in the second phase of the project, which includes functional modeling of the measurement, the architecture of the embedded system and its physical structure. In the last stage, the detection and classi cation tests of the proposed sensor node are performed, including the characterization and implementation of the sensors. The intelligent sensor node is evaluated indoors through the analysis of seawater samples with gasoline and diesel, pH and turbidity measurements of seawater and freshwater with gasoline, and experiments through direct and indirect measurements of seawater and diesel. Due to the facts of the experiments have shown satisfactory results, the proposed sensor node is considered a promising device for detecting and classifying pollutants in real-world aquatic environments. |
id |
UFMA_4b6c62cdd742ee6f4cdd89780021cd13 |
---|---|
oai_identifier_str |
oai:tede2:tede/5447 |
network_acronym_str |
UFMA |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFMA |
repository_id_str |
2131 |
spelling |
FONSECA NETO, João Viana dahttp://lattes.cnpq.br/0029055473709795FREIRE, Raimundo Carlos Silvériohttp://lattes.cnpq.br/0029055473709795SOUZA, Francisco das Chagas dehttp://lattes.cnpq.br/2405363087479257CASAS, Vicente Leonardo Paucarhttp://lattes.cnpq.br/1155686983267102PINTO, Mauro Sergio Silvahttp://lattes.cnpq.br/0804349408744542CUNHA, António Manuel Trigueiros da Silvahttps://scholar.google.pt/citations?user=YFdve2cAAAAJ&hl=pt-PThttp://lattes.cnpq.br/0449483301841285SILVA, Yan Ferreira da2024-08-13T15:07:38Z2024-07-01SILVA, Yan Ferreira da. Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático. 2024. 145 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2024https://tedebc.ufma.br/jspui/handle/tede/tede/5447To prevent and mitigate the environmental impact of transporting and extracting oil and its derivatives, the conception, design, development and implementation of a sensor node for wireless sensor networks (WSN) is presented in this Thesis. The proposed system is a static intelligent sensor node that detects and classi es pollutants in aquatic environments using machine learning and IoT (Internet of Things) approaches. The development of the sensor node consists of three phases. In the rst phase, the design and modeling of the embedded system includes mathematical modeling of the node, power system, communication structure, detection and classi cation of pollutants via machine learning and IoT. The implementation of the static sensor node is presented in the second phase of the project, which includes functional modeling of the measurement, the architecture of the embedded system and its physical structure. In the last stage, the detection and classi cation tests of the proposed sensor node are performed, including the characterization and implementation of the sensors. The intelligent sensor node is evaluated indoors through the analysis of seawater samples with gasoline and diesel, pH and turbidity measurements of seawater and freshwater with gasoline, and experiments through direct and indirect measurements of seawater and diesel. Due to the facts of the experiments have shown satisfactory results, the proposed sensor node is considered a promising device for detecting and classifying pollutants in real-world aquatic environments.Para prevenir e mitigar o impacto ambiental do transporte e extração de petróleo e seus derivados, este documento apresenta a concepção, projeto, desenvolvimento e implementação de um nó sensor para redes de sensores sem fio (RSSF). O sistema proposto é um nó sensor inteligente estático que detecta e classifica poluentes em ambientes aquáticos usando abordagens de aprendizado de máquina e IoT (Internet das Coisas). Nesta tese, é apresentada o desenvolvimento do nó sensor, que consiste em três fases. Na primeira fase, são apresentadas a concepção e modelagem do sistema embarcado, incluindo modelagem matemática do nó, sistema de alimentação, estrutura de comunicação, detecção e classificação de poluentes via aprendizado de máquina e IoT. A implementação do nó sensor estático é apresentada na segunda fase do projeto, que inclui a modelagem funcional da medição, a arquitetura do sistema embarcado e sua estrutura física. Na última etapa, são apresentados os testes de detecção e classificação do nó sensor proposto, incluindo a caracterização e implementação dos sensores. O nó sensor inteligente é avaliado em ambiente fechado por meio da análise de amostras de água do mar com gasolina e diesel, medições de pH e turbidez de água do mar e água doce com gasolina e experimentos por meio de medições diretas e indiretas de água do mar e diesel. Devido aos fatos dos experimentos terem mostrado resultados satisfatórios, o nó sensor proposto é considerado um dispositivo promissor para detectar e classi car poluentes em ambientes aquáticos do mundo real.Submitted by Daniella Santos (daniella.santos@ufma.br) on 2024-08-13T15:07:38Z No. of bitstreams: 1 YanFerreiraDaSilva.pdf: 4778250 bytes, checksum: 533df89fc4c76dfeae3f6a589836fbb7 (MD5)Made available in DSpace on 2024-08-13T15:07:38Z (GMT). No. of bitstreams: 1 YanFerreiraDaSilva.pdf: 4778250 bytes, checksum: 533df89fc4c76dfeae3f6a589836fbb7 (MD5) Previous issue date: 2024-07-01CAPESCNPqFAPEMAapplication/pdfporUniversidade Federal do MaranhãoPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETUFMABrasilDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETaprendizado de máquina;nó sensor;poluentes em ambientes aquáticos,rede de sensores sem fio;sistemas embarcados;machine learning;sensor node;pollutants in aquatic environments;wireless sensor network;embedded systems.Engenharia ElétricaNó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquáticoThere is no intelligent sensor for detecting and classifying petroleum compositions in an aquatic environmentinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFMAinstname:Universidade Federal do Maranhão (UFMA)instacron:UFMAORIGINALYanFerreiraDaSilva.pdfYanFerreiraDaSilva.pdfapplication/pdf4778250http://tedebc.ufma.br:8080/bitstream/tede/5447/2/YanFerreiraDaSilva.pdf533df89fc4c76dfeae3f6a589836fbb7MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82255http://tedebc.ufma.br:8080/bitstream/tede/5447/1/license.txt97eeade1fce43278e63fe063657f8083MD51tede/54472024-08-13 12:07:38.82oai:tede2:tede/5447IExJQ0VOw4dBIERFIERJU1RSSUJVScOHw4NPIE7Dg08tRVhDTFVTSVZBCgpDb20gYSBhcHJlc2VudGHDp8OjbyBkZXN0YSBsaWNlbsOnYSxvIGF1dG9yIChlcykgb3UgbyB0aXR1bGFyIGRvcyBkaXJlaXRvcyBkZSBhdXRvciBjb25jZWRlIMOgIFVuaXZlcnNpZGFkZSBGZWRlcmFsIGRvIE1hcmFuaMOjbyAoVUZNQSkgbyBkaXJlaXRvIG7Do28tZXhjbHVzaXZvIGRlIHJlcHJvZHV6aXIsIHRyYWR1emlyIChjb25mb3JtZSBkZWZpbmlkbyBhYmFpeG8pLCBlL291IGRpc3RyaWJ1aXIgYSBzdWEgdGVzZSBvdSBkaXNzZXJ0YcOnw6NvIChpbmNsdWluZG8gbyByZXN1bW8pIHBvciB0b2RvIG8gbXVuZG8gbm8gZm9ybWF0byBpbXByZXNzbyBlIGVsZXRyw7RuaWNvIGUgZW0gcXVhbHF1ZXIgbWVpbywgaW5jbHVpbmRvIG9zIGZvcm1hdG9zIMOhdWRpbyBvdSB2w61kZW8uCgpWb2PDqiBjb25jb3JkYSBxdWUgYSBVRk1BIHBvZGUsIHNlbSBhbHRlcmFyIG8gY29udGXDumRvLCB0cmFuc3BvciBhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gcGFyYSBxdWFscXVlciBtZWlvIG91IGZvcm1hdG8gcGFyYSBmaW5zIGRlIHByZXNlcnZhw6fDo28uCgpWb2PDqiB0YW1iw6ltIGNvbmNvcmRhIHF1ZSBhIFVGTUEgcG9kZSBtYW50ZXIgbWFpcyBkZSB1bWEgY8OzcGlhIGRlIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gcGFyYSBmaW5zIGRlIHNlZ3VyYW7Dp2EsIGJhY2stdXAgZSBwcmVzZXJ2YcOnw6NvLgoKVm9jw6ogZGVjbGFyYSBxdWUgYSBzdWEgdGVzZSBvdSBkaXNzZXJ0YcOnw6NvIMOpIG9yaWdpbmFsIGUgcXVlIHZvY8OqIHRlbSBvIHBvZGVyIGRlIGNvbmNlZGVyIG9zIGRpcmVpdG9zIGNvbnRpZG9zIG5lc3RhIGxpY2Vuw6dhLiBWb2PDqiB0YW1iw6ltIGRlY2xhcmEgcXVlIG8gZGVww7NzaXRvIGRhIHN1YSB0ZXNlIG91IGRpc3NlcnRhw6fDo28gbsOjbywgcXVlIHNlamEgZGUgc2V1IGNvbmhlY2ltZW50bywgaW5mcmluZ2UgZGlyZWl0b3MgYXV0b3JhaXMgZGUgbmluZ3XDqW0uCgpDYXNvIGEgc3VhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyBjb250ZW5oYSBtYXRlcmlhbCBxdWUgdm9jw6ogbsOjbyBwb3NzdWkgYSB0aXR1bGFyaWRhZGUgZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCB2b2PDqiBkZWNsYXJhIHF1ZSBvYnRldmUgYSBwZXJtaXNzw6NvIGlycmVzdHJpdGEgZG8gZGV0ZW50b3IgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIHBhcmEgY29uY2VkZXIgw6AgVUZNQSBvcyBkaXJlaXRvcyBhcHJlc2VudGFkb3MgbmVzdGEgbGljZW7Dp2EsIGUgcXVlIGVzc2UgbWF0ZXJpYWwgZGUgcHJvcHJpZWRhZGUgZGUgdGVyY2Vpcm9zIGVzdMOhIGNsYXJhbWVudGUgaWRlbnRpZmljYWRvIGUgcmVjb25oZWNpZG8gbm8gdGV4dG8gb3Ugbm8gY29udGXDumRvIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbyBvcmEgZGVwb3NpdGFkYS4KCkNBU08gQSBURVNFIE9VIERJU1NFUlRBw4fDg08gT1JBIERFUE9TSVRBREEgVEVOSEEgU0lETyBSRVNVTFRBRE8gREUgVU0gUEFUUk9Dw41OSU8gT1UgQVBPSU8gREUgVU1BIEFHw4pOQ0lBIERFIEZPTUVOVE8gT1UgT1VUUk8gT1JHQU5JU01PIFFVRSBOw4NPIFNFSkEgQSBVRk1BLCBWT0PDiiBERUNMQVJBIFFVRSBSRVNQRUlUT1UgVE9ET1MgRSBRVUFJU1FVRVIgRElSRUlUT1MgREUgUkVWSVPDg08gQ09NTyBUQU1Cw4lNIEFTIERFTUFJUyBPQlJJR0HDh8OVRVMgRVhJR0lEQVMgUE9SIENPTlRSQVRPIE9VIEFDT1JETy4KCkEgVUZNQSBzZSBjb21wcm9tZXRlIGEgaWRlbnRpZmljYXIgY2xhcmFtZW50ZSBvIHNldSBub21lIG91IG8ocykgbm9tZShzKSBkbyhzKSBkZXRlbnRvcihlcykgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRhIHRlc2Ugb3UgZGlzc2VydGHDp8OjbywgZSBuw6NvIGZhcsOhIHF1YWxxdWVyIGFsdGVyYcOnw6NvLCBhbMOpbSBkYXF1ZWxhcyBjb25jZWRpZGFzIHBvciBlc3RhIGxpY2Vuw6dhLgoKRGVjbGFyYSB0YW1iw6ltIHF1ZSB0b2RhcyBhcyBhZmlsaWHDp8O1ZXMgY29ycG9yYXRpdmFzIG91IGluc3RpdHVjaW9uYWlzIGUgdG9kYXMgYXMgZm9udGVzIGRlIGFwb2lvIGZpbmFuY2Vpcm8gYW8gdHJhYmFsaG8gZXN0w6NvIGRldmlkYW1lbnRlIGNpdGFkYXMgb3UgbWVuY2lvbmFkYXMgZSBjZXJ0aWZpY2EgcXVlIG7Do28gaMOhIG5lbmh1bSBpbnRlcmVzc2UgY29tZXJjaWFsIG91IGFzc29jaWF0aXZvIHF1ZSByZXByZXNlbnRlIGNvbmZsaXRvIGRlIGludGVyZXNzZSBlbSBjb25leMOjbyBjb20gbyB0cmFiYWxobyBzdWJtZXRpZG8uCgoKCgoKCgo=Biblioteca Digital de Teses e Dissertaçõeshttps://tedebc.ufma.br/jspui/PUBhttp://tedebc.ufma.br:8080/oai/requestrepositorio@ufma.br||repositorio@ufma.bropendoar:21312024-08-13T15:07:38Biblioteca Digital de Teses e Dissertações da UFMA - Universidade Federal do Maranhão (UFMA)false |
dc.title.por.fl_str_mv |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
dc.title.alternative.eng.fl_str_mv |
There is no intelligent sensor for detecting and classifying petroleum compositions in an aquatic environment |
title |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
spellingShingle |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático SILVA, Yan Ferreira da aprendizado de máquina; nó sensor; poluentes em ambientes aquáticos, rede de sensores sem fio; sistemas embarcados; machine learning; sensor node; pollutants in aquatic environments; wireless sensor network; embedded systems. Engenharia Elétrica |
title_short |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
title_full |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
title_fullStr |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
title_full_unstemmed |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
title_sort |
Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático |
author |
SILVA, Yan Ferreira da |
author_facet |
SILVA, Yan Ferreira da |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
FONSECA NETO, João Viana da |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/0029055473709795 |
dc.contributor.advisor-co1.fl_str_mv |
FREIRE, Raimundo Carlos Silvério |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/0029055473709795 |
dc.contributor.referee1.fl_str_mv |
SOUZA, Francisco das Chagas de |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/2405363087479257 |
dc.contributor.referee2.fl_str_mv |
CASAS, Vicente Leonardo Paucar |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/1155686983267102 |
dc.contributor.referee3.fl_str_mv |
PINTO, Mauro Sergio Silva |
dc.contributor.referee3Lattes.fl_str_mv |
http://lattes.cnpq.br/0804349408744542 |
dc.contributor.referee4.fl_str_mv |
CUNHA, António Manuel Trigueiros da Silva |
dc.contributor.referee4Lattes.fl_str_mv |
https://scholar.google.pt/citations?user=YFdve2cAAAAJ&hl=pt-PT |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/0449483301841285 |
dc.contributor.author.fl_str_mv |
SILVA, Yan Ferreira da |
contributor_str_mv |
FONSECA NETO, João Viana da FREIRE, Raimundo Carlos Silvério SOUZA, Francisco das Chagas de CASAS, Vicente Leonardo Paucar PINTO, Mauro Sergio Silva CUNHA, António Manuel Trigueiros da Silva |
dc.subject.por.fl_str_mv |
aprendizado de máquina; nó sensor; poluentes em ambientes aquáticos, rede de sensores sem fio; sistemas embarcados; |
topic |
aprendizado de máquina; nó sensor; poluentes em ambientes aquáticos, rede de sensores sem fio; sistemas embarcados; machine learning; sensor node; pollutants in aquatic environments; wireless sensor network; embedded systems. Engenharia Elétrica |
dc.subject.eng.fl_str_mv |
machine learning; sensor node; pollutants in aquatic environments; wireless sensor network; embedded systems. |
dc.subject.cnpq.fl_str_mv |
Engenharia Elétrica |
description |
To prevent and mitigate the environmental impact of transporting and extracting oil and its derivatives, the conception, design, development and implementation of a sensor node for wireless sensor networks (WSN) is presented in this Thesis. The proposed system is a static intelligent sensor node that detects and classi es pollutants in aquatic environments using machine learning and IoT (Internet of Things) approaches. The development of the sensor node consists of three phases. In the rst phase, the design and modeling of the embedded system includes mathematical modeling of the node, power system, communication structure, detection and classi cation of pollutants via machine learning and IoT. The implementation of the static sensor node is presented in the second phase of the project, which includes functional modeling of the measurement, the architecture of the embedded system and its physical structure. In the last stage, the detection and classi cation tests of the proposed sensor node are performed, including the characterization and implementation of the sensors. The intelligent sensor node is evaluated indoors through the analysis of seawater samples with gasoline and diesel, pH and turbidity measurements of seawater and freshwater with gasoline, and experiments through direct and indirect measurements of seawater and diesel. Due to the facts of the experiments have shown satisfactory results, the proposed sensor node is considered a promising device for detecting and classifying pollutants in real-world aquatic environments. |
publishDate |
2024 |
dc.date.accessioned.fl_str_mv |
2024-08-13T15:07:38Z |
dc.date.issued.fl_str_mv |
2024-07-01 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
SILVA, Yan Ferreira da. Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático. 2024. 145 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2024 |
dc.identifier.uri.fl_str_mv |
https://tedebc.ufma.br/jspui/handle/tede/tede/5447 |
identifier_str_mv |
SILVA, Yan Ferreira da. Nó sensor inteligente para detecção e classificação de derivados de petróleo em ambiente aquático. 2024. 145 f. Tese (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís, 2024 |
url |
https://tedebc.ufma.br/jspui/handle/tede/tede/5447 |
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 DE 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/5447/2/YanFerreiraDaSilva.pdf http://tedebc.ufma.br:8080/bitstream/tede/5447/1/license.txt |
bitstream.checksum.fl_str_mv |
533df89fc4c76dfeae3f6a589836fbb7 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_ |
1809926182690357248 |