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 de |
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 hidrelétricas 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 | Tamanho | Formato | |
---|---|---|---|---|
Water level.pdf | 413,76 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador