Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos

Detalhes bibliográficos
Autor(a) principal: Diego Santiago dos Santos
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.74.2014.tde-22092014-135707
Resumo: O presente trabalho teve como objetivo apresentar uma metodologia que permita encontrar o posicionamento e rastrear as diferentes localizações de um suíno em uma baia, utilizando o valor do Receiver Signal Strenght Indicator (RSSI), entre o dispositivo móvel (suíno) e três dispositivos fixos, e uma Rede Neural Artificial do tipo Perceptron Multicamadas (PMC), responsável por interpretar os sinais RSSI e transformá-los em valores conhecidos, como em um plano cartesiano, com coordenadas no eixo X e eixo Y. A região de teste foi dividida em 289 pontos, sendo 286 utilizados para coleta de dados e para o treinamento da rede PMC. Para cada ponto, foram armazenados a sua posição dentro da baia e o valor RSSI entre o dispositivo móvel e os três dispositivos fixos. O processo foi repetido para 8 pontos escolhidos aleatoriamente dentro do espaço de teste e inseridos como entradas na rede PMC. Após treinamentos e operações realizadas com diversas arquiteturas foi possível concluir que àquela dotada de 10 neurônios na camada intermediária consistiu na melhor alternativa, cujos resultados de monitoramento e rastreamento das posições do dispositivo móvel foram encontradas com valores aceitáveis de exatidão.
id USP_8808f06ea0bed18bc41635827b1e5ccf
oai_identifier_str oai:teses.usp.br:tde-22092014-135707
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos Using Bluetooth technology associated with Artificial Neural Networks (MLP) for monitoring and tracking pigs 2014-03-07Adriano Rogério Bruno TechKäthery BrenneckeJuliano FiorelliDiego Santiago dos SantosUniversidade de São PauloZootecniaUSPBR Animal tracking Monitoramento de animais MultiLayer Perceptron MultiLayer Perceptron RSSI RSSI Sistema de comunicação sem fio Wireless communication systems O presente trabalho teve como objetivo apresentar uma metodologia que permita encontrar o posicionamento e rastrear as diferentes localizações de um suíno em uma baia, utilizando o valor do Receiver Signal Strenght Indicator (RSSI), entre o dispositivo móvel (suíno) e três dispositivos fixos, e uma Rede Neural Artificial do tipo Perceptron Multicamadas (PMC), responsável por interpretar os sinais RSSI e transformá-los em valores conhecidos, como em um plano cartesiano, com coordenadas no eixo X e eixo Y. A região de teste foi dividida em 289 pontos, sendo 286 utilizados para coleta de dados e para o treinamento da rede PMC. Para cada ponto, foram armazenados a sua posição dentro da baia e o valor RSSI entre o dispositivo móvel e os três dispositivos fixos. O processo foi repetido para 8 pontos escolhidos aleatoriamente dentro do espaço de teste e inseridos como entradas na rede PMC. Após treinamentos e operações realizadas com diversas arquiteturas foi possível concluir que àquela dotada de 10 neurônios na camada intermediária consistiu na melhor alternativa, cujos resultados de monitoramento e rastreamento das posições do dispositivo móvel foram encontradas com valores aceitáveis de exatidão. This paper aims to present a methodology to find the positioning and tracking of the different locations of a pig in a stall, using the value of the Receiver Signal Strength Indicator (RSSI), between the mobile device (pig) and three devices fixed, and an Artificial Neural Network Multilayer Perceptron (MLP), responsible for interpreting the RSSI signals and turning them into known values, such as on a Cartesian plane, with coordinates on X axis and Y axis. The test region was divided into 289 points, with 286 points used for data collection and training of PMC network, and for each point, it was stored its position inside the stall and its RSSI value between the mobile devices and the three fixed. The process was repeated for 8 points chosen randomly within the space of test and entered as inputs into the PMC network. After training and operations with various architectures it was concluded that the architecture with 10 neurons in the hidden layer was the best alternative, whose the results of monitoring and tracking the positions of mobile device were found with acceptable accuracy. https://doi.org/10.11606/D.74.2014.tde-22092014-135707info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:54:13Zoai:teses.usp.br:tde-22092014-135707Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T13:09:17.539835Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
dc.title.alternative.en.fl_str_mv Using Bluetooth technology associated with Artificial Neural Networks (MLP) for monitoring and tracking pigs
title Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
spellingShingle Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
Diego Santiago dos Santos
title_short Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
title_full Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
title_fullStr Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
title_full_unstemmed Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
title_sort Utilização da tecnologia bluetooth associada a redes neurais artificiais (PMC) para monitoramento e rastreamento de suínos
author Diego Santiago dos Santos
author_facet Diego Santiago dos Santos
author_role author
dc.contributor.advisor1.fl_str_mv Adriano Rogério Bruno Tech
dc.contributor.referee1.fl_str_mv Käthery Brennecke
dc.contributor.referee2.fl_str_mv Juliano Fiorelli
dc.contributor.author.fl_str_mv Diego Santiago dos Santos
contributor_str_mv Adriano Rogério Bruno Tech
Käthery Brennecke
Juliano Fiorelli
description O presente trabalho teve como objetivo apresentar uma metodologia que permita encontrar o posicionamento e rastrear as diferentes localizações de um suíno em uma baia, utilizando o valor do Receiver Signal Strenght Indicator (RSSI), entre o dispositivo móvel (suíno) e três dispositivos fixos, e uma Rede Neural Artificial do tipo Perceptron Multicamadas (PMC), responsável por interpretar os sinais RSSI e transformá-los em valores conhecidos, como em um plano cartesiano, com coordenadas no eixo X e eixo Y. A região de teste foi dividida em 289 pontos, sendo 286 utilizados para coleta de dados e para o treinamento da rede PMC. Para cada ponto, foram armazenados a sua posição dentro da baia e o valor RSSI entre o dispositivo móvel e os três dispositivos fixos. O processo foi repetido para 8 pontos escolhidos aleatoriamente dentro do espaço de teste e inseridos como entradas na rede PMC. Após treinamentos e operações realizadas com diversas arquiteturas foi possível concluir que àquela dotada de 10 neurônios na camada intermediária consistiu na melhor alternativa, cujos resultados de monitoramento e rastreamento das posições do dispositivo móvel foram encontradas com valores aceitáveis de exatidão.
publishDate 2014
dc.date.issued.fl_str_mv 2014-03-07
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.uri.fl_str_mv https://doi.org/10.11606/D.74.2014.tde-22092014-135707
url https://doi.org/10.11606/D.74.2014.tde-22092014-135707
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Zootecnia
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502977297317888

Registros relacionados