Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Alcantara, Pedro Xavier |
| Orientador(a): |
Conceição, André Gustavo Scolari |
| Banca de defesa: |
Faria, Paulo César Machado de Abreu,
Pinheiro, Oberdan |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Escola Politécnica, Departamento de Engenharia Elétrica
|
| Programa de Pós-Graduação: |
em Engenharia Elétrica
|
| Departamento: |
Não Informado pela instituição
|
| País: |
brasil
|
| Palavras-chave em Português: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://repositorio.ufba.br/ri/handle/ri/29511
|
Resumo: |
Atualmente, nosso modo de vida esta cada vez mais dependente de energia elétrica. Essa característica faz com que as linhas de transmissão, responsáveis por fazer a conexão entre as unidades geradoras e consumidoras devam estar em condições de operação 24 horas por dia, 7 dias por semana. Normalmente a realização da inspeção das linhas de transmissão é feita por aeronaves tripuladas, condição muito cara e extremamente perigosa. Diante dessa perspectiva, robôs têm se tornado alternativas cada vez mais reais para o barateamento e aumento da segurança dessa atividade de inspeção. Para buscar autonomia nessa atividade, é necessário que o robô identifique os obstáculos no seu percurso para que possa continuar inspecionando a linha sem interrupções. Considerando esse contexto, o presente trabalho apresenta uma abordagem para caracterização e classificação dos obstáculos encontrados na linha. A estratégia abordada utiliza-se de um LiDAR para a coleta de dados, extração de features de forma e intensidade e a classificação utilizando o algoritmo de inteligência artificial k-Nearest Neighbor. A abordagem desse trabalho utilizou dois datasets para demonstrar o desempenho do método proposto, apresentando acurácia de 100% quando as imagens não apresentavam oclusão e 98,4% com o dataset que apresenta oclusão nas imagens. Foi realizada análise do classificador com a adição de ruído dos tipos salt&pepper e speckle com pouca alteração de desempenho, apresentando desempenho mínimo de 97,6% |
