Navegando por Assunto "Detecção de anomalias"

Agora exibindo 1 - 2 de 2

Aplicação de aprendizado de máquinas na detecção de anomalias em componentes de linhas de transmissão
(2025-03-21) Melo, Isadora Rodrigues de; Ferreira, Felipe Alberti Barbosa Simão; http://lattes.cnpq.br/9939255113143786; https://lattes.cnpq.br/3445765194031185
O avanço da tecnologia ao longo dos anos mudou bastante o Sistema Elétrico de Potência (SEP) e a indústria, melhorando a segurança na entrega de energia para todos. A inspeção de linhas de transmissão é um processo essencial que garante o funcionamento do sistema elétrico, mas apresenta desafios. Tradicionalmente, as inspeções são realizadas por equipes que se deslocam até locais de difícil acesso, que envolve altos riscos e custos financeiros. Com os novos recursos de inteligência artificial, usar aprendizado de máquina tem se mostrado uma solução viável para otimizar o processo na identificação de problemas estruturais nas linhas de transmissão. Neste projeto, foi desenvolvido um sistema baseado em aprendizado de máquina para detectar e analisar equipamentos nas linhas de transmissão. O sistema usa o modelo YOLOv5 para encontrar as peças e identificar onde elas estão na imagem. Em seguida, a rede neural convolucional ResNet, que permite uma análise eficiente das imagens, classifica cada peça identificada, determinando se existe avaria ou não. Os componentes da linha de transmissão sem avaria possuem uma caixa delimitadora da cor verde, e as com avarias da cor vermelha. Nos testes feitos, o sistema acertou 90,6% das vezes ao encontrar as peças e 81% ao dizer se tinham defeito. No entanto foi constado alguns desafios, como a falta de certas amostras do próprio banco de dados, o que pode impactar o desempenho do modelo para determinados componentes. Assim, obter um conjunto de dados com mais imagens e robusto é fundamental para melhorar a eficácia do sistema. Este trabalho ajuda na modernização da manutenção das linhas de transmissão usando técnicas avançadas de aprendizado de máquina. Quando usado junto com sistemas de monitoramento remoto, pode diminuir gastos e riscos das inspeções feitas por pessoas. Além disso, permite a identificação de problemas previamente, tornando o sistema elétrico mais confiável e eficiente.
Avaliação de desempenho de modelos de detecção de anomalias para dispositivos de borda
(2024-12-10) Araújo, Lucas Edson Silva de; Andrade, Ermeson Carneiro de; http://lattes.cnpq.br/2466077615273972; http://lattes.cnpq.br/4867183805260239
A automação industrial e a Internet das Coisas (IoT) estão em constante evolução, evidenciando a necessidade do desenvolvimento de sistemas de detecção de anomalias eficientes na prevenção de falhas e na redução de custos relacionados, como os associados a manutenção, operação ou processos produtivos. Tradicionalmente realizada em servidores centrais, a detecção de anomalias está migrando para dispositivos de borda. Essa tendência vem apresentando vantagens importantes como a redução da latência e do processamento local. No entanto, esse processo de migração levanta preocupações sobre a adaptabilidade e o desempenho desses modelos em ambientes cujos recursos são limitados. Este estudo visa avaliar a performance e desempenho de modelos de detecção de anomalias em cenários de comunicação cliente-servidor em dispositivos de borda, explorando sua capacidade de se adaptar a restrições de recursos. Os resultados demonstram a capacidade de fortalecer a operacionalidade e a eficiência dos sistemas IoT e de computação de borda, contribuindo diretamente para melhorias significativas em setores como saúde, manufatura e automação residencial, destacando o potencial de adaptação às restrições de recursos.