Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial
Main Author: | |
---|---|
Publication Date: | 2024 |
Other Authors: | , |
Format: | Article |
Language: | por |
Source: | GeSec |
Download full: | https://ojs.revistagesec.org.br/secretariado/article/view/4497 |
Summary: | A poluição de rios e nascentes representa um desafio ambiental crescente, ameaçando a biodiversidade e a saúde humana. O descarte inadequado de resíduos sólidos prejudica ecossistemas aquáticos, contamina reservatórios de água potável e impacta populações ribeirinhas. A industrialização e o aumento urbano intensificam essa situação, tornando insuficientes os métodos tradicionais de monitoramento e limpeza. Soluções tecnológicas avançadas, como inteligência artificial (IA) e visão computacional, surgem como alternativas viáveis para a detecção e remoção automatizada de lixo. A IA permite identificar resíduos em tempo real, com destaque especial para o uso de tecnologias de visão computacional, como o YOLO (You Only Look Once), que representa o estado da arte em detecção de objetos, além do uso de redes neurais e redes adversariais generativas, entre outras tecnologias para auxiliar na identificação e qualificação dos resíduos. Este artigo propõe um sistema de detecção de resíduos que funcione em dispositivos móveis e pequenos computadores, com potencial para integração futura com drones e dispositivos flutuantes, capazes de atuar em áreas remotas com baixo consumo de energia e banda de internet. A seção de resultados revela o desempenho do modelo proposto na tarefa de detecção de resíduos em ambientes subaquáticos, especialmente quando comparado a arquiteturas convencionais, como o YOLOv5. A análise quantitativa demonstra melhorias significativas nas métricas, ratificando que seu uso para detecção e qualificação torna o sistema um grande aliado no combate à poluição. |
id |
SINSESP_63222f384e4aeb981b9e48ac423e0f7f |
---|---|
oai_identifier_str |
oai:ojs2.revistagesec.org.br:article/4497 |
network_acronym_str |
SINSESP |
network_name_str |
GeSec |
repository_id_str |
|
spelling |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificialVisão ComputacionalInteligência ArtificialDetecção de Resíduos em RiosA poluição de rios e nascentes representa um desafio ambiental crescente, ameaçando a biodiversidade e a saúde humana. O descarte inadequado de resíduos sólidos prejudica ecossistemas aquáticos, contamina reservatórios de água potável e impacta populações ribeirinhas. A industrialização e o aumento urbano intensificam essa situação, tornando insuficientes os métodos tradicionais de monitoramento e limpeza. Soluções tecnológicas avançadas, como inteligência artificial (IA) e visão computacional, surgem como alternativas viáveis para a detecção e remoção automatizada de lixo. A IA permite identificar resíduos em tempo real, com destaque especial para o uso de tecnologias de visão computacional, como o YOLO (You Only Look Once), que representa o estado da arte em detecção de objetos, além do uso de redes neurais e redes adversariais generativas, entre outras tecnologias para auxiliar na identificação e qualificação dos resíduos. Este artigo propõe um sistema de detecção de resíduos que funcione em dispositivos móveis e pequenos computadores, com potencial para integração futura com drones e dispositivos flutuantes, capazes de atuar em áreas remotas com baixo consumo de energia e banda de internet. A seção de resultados revela o desempenho do modelo proposto na tarefa de detecção de resíduos em ambientes subaquáticos, especialmente quando comparado a arquiteturas convencionais, como o YOLOv5. A análise quantitativa demonstra melhorias significativas nas métricas, ratificando que seu uso para detecção e qualificação torna o sistema um grande aliado no combate à poluição.Revista de Gestão e Secretariado2024-11-28info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://ojs.revistagesec.org.br/secretariado/article/view/449710.7769/gesec.v15i11.4497Revista de Gestão e Secretariado (Management and Administrative Professional Review); Vol. 15 No. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e4497Revista de Gestão e Secretariado; Vol. 15 Núm. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e4497Revista de Gestão e Secretariado; v. 15 n. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e44972178-9010reponame:GeSecinstname:Sindicato das Secretárias do Estado de São Paulo (SINSESP)instacron:SINSESPporhttps://ojs.revistagesec.org.br/secretariado/article/view/4497/2861Valente, Mateus de SousaCoelho, Arthur Brenno RibeiroAssis, Roberto Silva Araujoinfo:eu-repo/semantics/openAccess2024-11-28T13:07:22Zoai:ojs2.revistagesec.org.br:article/4497Revistahttps://www.revistagesec.org.br/ONGhttps://ojs.revistagesec.org.br/secretariado/oaieditor@revistagesec.org.br | gestoreditorial@revistagesec.org.br | rf.sabino@gmail.com2178-90102178-9010opendoar:2024-11-28T13:07:22GeSec - Sindicato das Secretárias do Estado de São Paulo (SINSESP)false |
dc.title.none.fl_str_mv |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
title |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
spellingShingle |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial Valente, Mateus de Sousa Visão Computacional Inteligência Artificial Detecção de Resíduos em Rios |
title_short |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
title_full |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
title_fullStr |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
title_full_unstemmed |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
title_sort |
Sistema de detecção de resíduos em rios e nascentes utilizando visão computacional e inteligência artificial |
author |
Valente, Mateus de Sousa |
author_facet |
Valente, Mateus de Sousa Coelho, Arthur Brenno Ribeiro Assis, Roberto Silva Araujo |
author_role |
author |
author2 |
Coelho, Arthur Brenno Ribeiro Assis, Roberto Silva Araujo |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Valente, Mateus de Sousa Coelho, Arthur Brenno Ribeiro Assis, Roberto Silva Araujo |
dc.subject.por.fl_str_mv |
Visão Computacional Inteligência Artificial Detecção de Resíduos em Rios |
topic |
Visão Computacional Inteligência Artificial Detecção de Resíduos em Rios |
description |
A poluição de rios e nascentes representa um desafio ambiental crescente, ameaçando a biodiversidade e a saúde humana. O descarte inadequado de resíduos sólidos prejudica ecossistemas aquáticos, contamina reservatórios de água potável e impacta populações ribeirinhas. A industrialização e o aumento urbano intensificam essa situação, tornando insuficientes os métodos tradicionais de monitoramento e limpeza. Soluções tecnológicas avançadas, como inteligência artificial (IA) e visão computacional, surgem como alternativas viáveis para a detecção e remoção automatizada de lixo. A IA permite identificar resíduos em tempo real, com destaque especial para o uso de tecnologias de visão computacional, como o YOLO (You Only Look Once), que representa o estado da arte em detecção de objetos, além do uso de redes neurais e redes adversariais generativas, entre outras tecnologias para auxiliar na identificação e qualificação dos resíduos. Este artigo propõe um sistema de detecção de resíduos que funcione em dispositivos móveis e pequenos computadores, com potencial para integração futura com drones e dispositivos flutuantes, capazes de atuar em áreas remotas com baixo consumo de energia e banda de internet. A seção de resultados revela o desempenho do modelo proposto na tarefa de detecção de resíduos em ambientes subaquáticos, especialmente quando comparado a arquiteturas convencionais, como o YOLOv5. A análise quantitativa demonstra melhorias significativas nas métricas, ratificando que seu uso para detecção e qualificação torna o sistema um grande aliado no combate à poluição. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-11-28 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://ojs.revistagesec.org.br/secretariado/article/view/4497 10.7769/gesec.v15i11.4497 |
url |
https://ojs.revistagesec.org.br/secretariado/article/view/4497 |
identifier_str_mv |
10.7769/gesec.v15i11.4497 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://ojs.revistagesec.org.br/secretariado/article/view/4497/2861 |
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 |
Revista de Gestão e Secretariado |
publisher.none.fl_str_mv |
Revista de Gestão e Secretariado |
dc.source.none.fl_str_mv |
Revista de Gestão e Secretariado (Management and Administrative Professional Review); Vol. 15 No. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e4497 Revista de Gestão e Secretariado; Vol. 15 Núm. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e4497 Revista de Gestão e Secretariado; v. 15 n. 11 (2024): Revista de Gestão e Secretariado v.15, n.11, 2024; e4497 2178-9010 reponame:GeSec instname:Sindicato das Secretárias do Estado de São Paulo (SINSESP) instacron:SINSESP |
instname_str |
Sindicato das Secretárias do Estado de São Paulo (SINSESP) |
instacron_str |
SINSESP |
institution |
SINSESP |
reponame_str |
GeSec |
collection |
GeSec |
repository.name.fl_str_mv |
GeSec - Sindicato das Secretárias do Estado de São Paulo (SINSESP) |
repository.mail.fl_str_mv |
editor@revistagesec.org.br | gestoreditorial@revistagesec.org.br | rf.sabino@gmail.com |
_version_ |
1838625567001280512 |