PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Engenharia de Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/385
Tipo: Trabalho de Conclusão de Curso
Título: Detecção automática do nível de água por imagens utilizando visão computacional
Título(s) alternativo(s): Image-based water level estimation for redundancy information using convolutional neural network
Autor(es): Fleury, Gabriela Rocha de Oliveira
Primeiro Orientador: Galvão Filho, Arlindo Rodrigues
metadata.dc.contributor.referee1: Carvalho, Rafael Viana
metadata.dc.contributor.referee2: Franco, Ricardo Augusto Pereira
metadata.dc.contributor.referee3: Coelho, Clarimar José
Resumo: Monitoramento e gerenciamento do nível de água têm se tornado uma tarefa essencial nas usinas hidrelétricas. Atividades como planejamento de recursos hídricos, gerenciamento de bacias e previsões de inundações são definidas através deste monitoramento. A estação de medição é localizada no Rio Madeira, Brasil. As medições são feitas por sensores instalados nas dependências do rio que realizam as leituras precisamente. Condições climáticas influência nos resultados obtidos por esses sensores. Portanto, é necessário obter abordagens redundantes além dos sensores, que mantenham a alta precisão dos valores medidos. Câmeras convencionais suprem a necessidade com medições através de olhos humanos. Entretanto, este método não é confiável e possui baixa precisão. É proposto uma nova abordagem, redundante aos sensores, que utiliza processamento de imagens para a medição do nível de água, com alta precisão e a realização de predições para o nível medido usando redes neurais convolucionais com regressão. Os resultados apresentam baixos erros de acordo com as predições.
Abstract: Monitoring and management of water level has become an essential task in hydroelectric powers. Activities as water resources planning, supply basin management and flood forecasting are mediated and defined through its monitoring. The measuring station is located on the Madeira River in Rondônia, Brazil. The measurements are made by sensors installed on the river facilities that carry out the estimations precisely. Weather conditions influence the results obtained by these sensors; therefore, it is necessary to have redundant approaches besides the sensors which maintain the high accuracy of the measured values. Conventional cameras supply this necessity measuring it through human eyes. However, its method is not reliable and has low accuracy. It is proposed an approach, in redundancy to sensors, to use image processing to measure the water level, with high accuracy, and to predict the water level measured using a convolutional neural network for regression. Results present low errors according to its prediction.
Palavras-chave: Usinas Hidroelétricas
Energia
Nível de água
Informações redundantes
CNN
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Idioma: por
País: Brasil
Editor: Pontifícia Universidade Católica de Goiás
Sigla da Instituição: PUC Goiás
metadata.dc.publisher.department: Escola de Ciências Exatas e da Computação
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/385
Data do documento: 30-Nov-2020
Aparece nas coleções:TCC Engenharia de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Water level.pdf413,76 kBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador