Navegando por Assunto "Classificação"

Agora exibindo 1 - 3 de 3

Avaliação de segurança de barragem: análise geotécnica e classificação – estudo de caso de barragem de mineração
(2022-10-14) Melo, Talyta Tuane Lima; Borgatto, André Vinicius Azevedo; http://lattes.cnpq.br/4203791139862449; http://lattes.cnpq.br/3483252806825350
As barragens são obras de engenharia que têm como função o barramento de uma região para contenção ou acumulação de substâncias líquidas ou mistura de carga sólida e líquida. Na área de mineração, essas estruturas recebem rejeitos e/ou sedimentos oriundos de atividade de mineração. O rompimento de uma barragem resulta em impactos sociais, ambientais e econômicos, na maioria das vezes, irreversíveis, como ocorrido nas Barragens de Fundão e Córrego do Feijão, em Minas Gerais. Por esta razão, é indispensável a avaliação da segurança de barragens, pois esta possibilitará intervenções preventivas e corretivas em tempo hábil, em prol da segurança da estrutura, do meio ambiente e de terceiros em sua área de influência. Esse trabalho apresenta um estudo de caso de uma barragem de mineração cujo propósito é a avaliação da segurança geotécnica e classificação da estrutura conforme legislação vigente, a partir das condições atuais da barragem. Para alcançar esses objetivos, realizou-se a aquisição de informações da barragem e as análises da instrumentação, do sistema de drenagem interna e da estabilidade do talude de jusante do barramento; além da pesquisa bibliográfica referente a legislação aplicada para classificação de barragens de mineração. Por fim, concluiu-se que, no período analisado, a estrutura apresentava condições geotécnicas aceitáveis, além de fatores de segurança satisfatórios conforme a NBR 13.028/2017. Em relação a classificação, conforme à Resolução ANM n° 95/2022, o dique de contenção é classificado em relação à Categoria de Risco (CRI) é Baixo e em relação ao Dano Potencial Associado (PDA) é Médio.
Classificação de banhistas na faixa segura de praia
(2018) Silva, Ricardo Luna da; Macário Filho, Valmir; http://lattes.cnpq.br/4346898674852080; http://lattes.cnpq.br/3088880066515750
Visando evitar riscos em ambientes aquáticos,afogamentos e ataque de tubarão,áreas de praia devem ser monitoradas constantemente. Quando necessário, as equipes de resgate devem responder com velocidade ao caso. Este trabalho visa propor um algoritmo de classificação de pessoas como parte de um sistema para monitoramento automáticoemáreasdepraia.Certosfatoresdoambientesãobastantedesafiadores, como variação de brilho em dias nublados, a posição do sol em diferentes momentos do dia, dificuldade em segmentação de imagens, pessoas submersas e posição afastada da câmera. Para esse tipo de problema na literatura é comumente encontrado, para detecção de pessoas, o uso de descritores de imagem em conjunto com um classificador. Este trabalho realiza um estudo em imagens de praia usando os seguintes descritores de imagem e suas combinações em pares: Momentos de Hu, Momentos de Zernike,Filtro de Gabor,Histograma de Gradientes Orientados(HOG),Padrões Binários Locais(LBP) e Haar. Além disso,uma técnica de redução de dimensionalidade (PCA)é aplica para seleção de características. A taxa de detecção é avaliada com os seguintes classificadores :Random Forest, classificador e em cascata e Support Vector Machine(SVM) comkernel linear e radial.Os experimentos demonstraram que o classificador SVM com kernel radial usando os descritores HOG e LBP aplicando a técnica PCA mostrou resultados promissores, obtendo 90,31% de precisão.
Comparação de métodos baseados em redes convolucionais para classificação de fava
(2022-05-26) Silva, Erico André da; Soares, Rodrigo Gabriel Ferreira; http://lattes.cnpq.br/2526739219416964; http://lattes.cnpq.br/0529785947460222
A cultura da fava tem recebido pouca atenção por parte dos órgãos de pesquisa e extensão, o que tem resultado em limitações do conhecimento das características agronômicas da cultura. Isso tem afetado a precisão em classificá-las. Tal classificação é de grande importância porque a identificação correta de plantas permite boa resposta da cultura em termos de produtividade e comportamento em diferentes condições ambientais. Neste contexto de informações limitadas sobre as características apresentamos uma solução que aplica o poder da visão computacional à agronomia, que visa melhorar a produtividade, reduzir desperdícios e auxiliar na tomada de decisões e na seleção de cultura que mais se adéqua a uma região em particular. As técnicas de visão computacional são um conjunto de métodos utilizados para interpretar imagens, extraindo padrões e características. Visando contribuir com esse cenário de desenvolvimento tecnológico do setor do agronômico, este trabalho compara algumas das abordagens de classificação supervisionada para identificação de forma automática de espécies de favas. O escopo deste trabalho consiste em classificar imagens de mudas geradas por produtores rurais em duas categorias de favas: orelha de vó e cearense. A partir das comparações realizadas entre métodos de classificadores que utilizam redes convolucionais como extratores de características, selecionamos o melhor método que foi a combinação de rede convolucional com máquina de vetores de suporte (SVM), para ao final apresentarmos esse método para automatizar a classificação das imagens de favas.