Uso de redes neurais para identificação de embarcações
Data
2024-09-23
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Devidoasuageografia singular,osriosdaAmazôniaapresentamumpapelrelevantenocotidiano
da região,inclusivesendooúnicoacessoemcomunidadesmaisremotas,eafaltadeinfraestrutura
em grandepartedestamalhahidroviáriatornapropíciaotransportedemercadoriasilegaisdevido
a faltade fiscalização.
Ao compararcomáreasurbanas,épossívelnotarapossibilidadedeumauxíliopositivopara
as autoridadeslocaiscomousodetecnologiasdereconhecimento,masafaltadeestruturasde
comunicação prejudicaaimplementaçãodessastecnologiasdamesmaformaqueéfeitanas
cidades.
Este projetopropõeodesenvolvimentodeumaaplicaçãoderedeneuralvoltadaparaauxiliar
em questõesdesegurançapública,atravésdadetecçãodeembarcaçõesemregiõesportuárias
localizadas noEstadodoAmazonas,combinandoastécnicasdeInteligênciaArtificial eos
disposivosdeSistemasEmbarcados,semusodetransmissãodedadosemrede.Ametodologia
consiste em:(a)AquisiçãodeimagensdeembarcaçõesnaMarinadoDavienoportodaManaus
Moderna -EstadodoAmazonas;(b)Preparaçãodo dataset no formatoesperadopelomodelo;
(c) Instalação,configuração eusodaPlacaJetsonNanonotreinamentodaRedeNeural;(d)Uso
de TransferLearning, aproveitamentodeummodelopré-treinado(YOLOv4 Tiny) parageração
do modelononovoconjuntodedados;(e)Validaçãodosresultadosobtidos.
Os resultadosmostramquecomousodeversõesotimizadasparadispositivosembarcados,
foi possívelexecutaroalgoritmoYOLOv4 Tiny, realizandoaclassificação dasembarcaçõese
contribuindocomnovasimagensdeembarcações,queentregammaiorregionalidadeaosdados
apresentados.
Descrição
Palavras-chave
Inteligência artificial, Redes neurais, Sistemas embarcados, Hidrovias Amazônicas, Embarcações, Segurança Pública
Citação
ACADEMY,I.E. Referência dospontosindicadospelaanotaçãoYOLO. 2024.Acesso
em: 23/02/2024.Disponívelem:<https://iaexpert.academy/cursos-online-assinatura/
deteccao-de-objetos-com-yolo-darknet-opencv-e-python/>.
Agência NacionaldeTransportesAquaviários(ANTAQ). Relatório executivodapesquisa
de satisfaçãodosusuáriosdoserviçodetransportelongitudinaldepassageiros
e mistonanavegaçãointeriordaregiãoamazônica. Brasília,2015.Disponível
em: <http://www.antaq.gov.br/Portal/pdf/20150623_BRASIL.RelatorioExecutivo_
PesquisaSatisfacaoNavegacaoInteiror.pdf>.
Agência NacionaldeTransportesAquaviários(ANTAQ). Caracterização daOfertaeda
Demanda doTransporteFluvialdePassageiroseCargasnaRegiãoAmazônica. [S.l.],2018.
96 p.
ARIMA, E.Y.;RICHARDS,P.;WALKER,R.T.;CALDAS,M.M.Urbanizationpatternsinthe
brazilian amazon:alandscape-levelanalysisofspatialpatternsanddrivers. Urban Ecosystems,
Springer,v.17,n.3,p.643–659,2014.
BARBOSA,L.F.;OLIVEIRA,R.A.;COSTA,G.A.Oturismodecruzeiros fluviais
na amazônia:análisepreliminar.In: Anais doCongressoBrasileirodePesquisae
DesenvolvimentoemTurismo. [S.l.:s.n.],2017.v.10.
BENINI, L.;BOGLIOLO,A.Asurveyofdesigntechniquesforsystem-leveldynamicpower
management. IEEE TransactionsonVeryLargeScaleIntegration(VLSI)Systems, v.8,n.3,
p. 299–316,2000.
BISHOP,C.M. PatternRecognitionandMachineLearning. [S.l.]:Springer,2006.
BOCHKOVSKIY,A.;WANG,C.-Y.;LIAO,H.-Y.M.Yolov4:Optimalspeedandaccuracyof
object detection. arXivpreprintarXiv:2004.10934, 2020.
CARMINATI,L.Generalizabilityinqualitativeresearch:Ataleoftwotraditions. Qualitative
Health Research, v.28,p.2094–2101,2018.
CARVALHO,A.A.d.;SOUZA,E.R.Otransporte fluvial naamazônialegal:umaanálisea
partir dasviagensintermunicipaisrealizadasporbarcosdepassageiros. RevistadeEconomiae
Sociologia Rural, v.57,n.1,p.25–42,2019.
CARVALHO,C. Imagem deestudosobreusodemadeirasamazô-
nicas naconstruçãodebarcos. 2014.<https://www.fapeam.am.gov.br/
estudo-analisa-uso-de-madeiras-amazonicas-para-a-construcao-de-barcos/>.Acesso
em: 22/03/2024.
Centro RegionaldeEstudosparaoDesenvolvimentodaSociedadedaInformação. TIC
Domícilios 2022. 2022.<https://cetic.br/media/analises/tic_domicilios_2022_coletiva_imprensa.
pdf>.
CHAUHAN,M.S.;SINGH,A.;KHEMKA,M.;PRATEEK,A.;SEN,R.Embedded
cnn basedvehicleclassification andcountinginnon-lanedroadtraffic. In: Tenth
InternationalConferenceonInformationandCommunicationTechnologiesand
51
Development(ICTD’19). Ahmedabad,India:ACM,2019.p.11.Disponívelem:
<https://doi.org/10.1145/3287098.3287118>.
CHOLLET,F. Deep LearningwithPython. [S.l.]:ManningPublications,2018.
COSTA,E.S.;SOUZA,L.M.Perspectivasdedesenvolvimentodoturismo fluvial naamazônia:
o papeldaslanchascomomeiodetransporte. TurismoemAnálise, v.31,n.2,p.245–260,
2020.
CUNHA, E.F.d.O.;JR.,A.S.I.Odesafio naregulaçãodotransportehidroviáriointermunicipal
no amazonas/thechallengeinregulatingintermunicipalwatertransportinamazonas.
Brazilian JournalofDevelopment, v.6,n.3,p.15736–15752,Mar.2020.Disponívelem:
<https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/8197>.
CUNNINGHAM, P.;CORD,M.;DELANY,S.J.Supervisedlearning.In: . Machine
LearningTechniquesforMultimedia:CaseStudiesonOrganizationandRetrieval. Berlin,
Heidelberg:SpringerBerlinHeidelberg,2008.p.21–49.ISBN978-3-540-75171-7.Disponível
em: <https://doi.org/10.1007/978-3-540-75171-7_2>.
DAMACENO,S.S.;VASCONCELOS,R.O.Inteligênciaartificial: Umabreveabordagem
sobre seuconceitorealeoconhecimentopopular. CadernosdeGraduação-CiênciasExatas
e Tecnológicas, v.5,n.1,p.11–16,Outubro2018.
Departamento NacionaldeInfraestruturadeTransportes. DNIT -HidroviadoAmazonas. 2018.
<https://www.gov.br/dnit/pt-br/assuntos/aquaviario/old/hidrovia-do-amazonas>.
DNIT. Mapa deInstalaçõesPortuáriasdePequenoPorte. 2024.Acessoem:23/03/2024.
Disponívelem:<https://www.gov.br/dnit/pt-br/assuntos/aquaviario/atlas-aquaviario/20240328_
Atlas_Aquavirio_Maro_VF.pdf>.
FERNEDA,E.Redesneuraisesuaaplicaçãoemsistemasderecuperaçãodeinformação.
Ciência daInformação, v.35,082006.
Fórum BrasileirodeSegurançaPública(FBSP). Cartografias daviolêncianaAmazônia.
Fórum BrasileirodeSegurançaPública,2023.ISBN978-65-89596-33-2.Disponívelem:
<https://publicacoes.forumseguranca.org.br/handle/123456789/233>.
GASPAR,A.F.d.S.;FARIAS,J.N.L.F.;GUIMARAES,M.R.C.;FONSECA,M.H.
d. S.;BATISTA,S.P.M.Ofertaturísticanotransporte fluvial depassageiros:Amostradas
embarcações degrandeemédioporteemmanaus,amazonas,brasil. Rosa dosVentos, v.13,
n. 2,2021.Disponívelem:<https://www.redalyc.org/articulo.oa?id=473569969005>.
GLOBO, O. Redes HidroviáriasdoNarcotráfico naAmazônia. 2020.
Acesso em:25/03/2024.Disponívelem:<https://oglobo.globo.com/politica/
novas-cidades-entram-na-rota-do-narcotrafico-na-amazonia-1-24786333>.
GOODFELLOW,I.;BENGIO,Y.;COURVILLE,A. Deep Learning. [S.l.]:MITpress
Cambridge, 2016.
GUO, Y.;WANG,S.;HE,H.;SUN,L.;MA,S.Researchonboatidentification based
on improvedlossfunctionofdeepconvolutionalneuralnetworks.In:IEEE. 2019 WRC
Symposium onAdvancedRoboticsandAutomation(WRCSARA). [S.l.],2019.p.278–283.
HAYKIN,S. Neural Networks:AComprehensiveFoundation. 2nd.ed.Delhi,India:Pearson,
1999.
HONG, Y.;CHANG,T.Acomprehensivereviewoftolerancingresearch. International
JournalofProductionResearch, v.40,p.2425–2459,2002.
IBAMA. Impactos ambientaisdotransporte fluvial naAmazônia. [S.l.],2018.
KITANO,H.Biologicalrobustness. NatureReviewsGenetics, v.5,p.826–837,2008.
KOAY,H.;CHUAH,J.;CHOW,C.-O.;CHANG,Y.-L.;YONG,K.Yolo-rtuav:Towards
real-time vehicledetectionthroughaerialimageswithlow-costedgedevices. Remote Sensing,
Multidisciplinary DigitalPublishingInstitute,v.13,n.21,p.4196,2021.Disponívelem:
<https://doi.org/10.3390/rs13214196>.
KOPILER,A.A.;SILVA,V.N.A.S.;OLIVEIRA,L.A.A. et al. Redes neuraisartificiais esuas
aplicações nosetorelétrico. RevistadeEngenhariadaFaculdadeSalesiana, n.9,p.27–33,
2019.
LEE, J.;YOO,S.;KIM,S. Design andImplementationofEmbeddedReal-TimeSystems.
[S.l.]: Springer,2016.
LIMA, T. NVIDIA apresentaaJetsonNanoDeveloperKit. 2019.Imagemextraídadapágina
web.Disponívelem:<https://embarcados.com.br/nvidia-jetson-nano-developer-kit/>.
MALINOWSKI,A.;YU,H.Comparisonofembeddedsystemdesignforindustrialapplications.
IEEE TransactionsonIndustrialInformatics, v.7,n.2,p.244–254,2011.
MARTINS,D.G.d.M.;OLIVEIRA,V.I.D.;JUNGER,A.P.;FACó,J.F.B.Oconceitode
inteligÊncia artificial usadonomercadodesoftwares,naeducaÇÃotecnolÓgicaenaliteratura
cientÍfica. Educação Profissional eTecnológicaemRevista, v.4,n.2,p.98–109,ago.2020.
Disponívelem:<https://ojs.ifes.edu.br/index.php/ept/article/view/557>.
MÜLLER, A.C.;GUIDO,S. IntroductiontoMachineLearningwithPython:AGuidefor
Data Scientists. [S.l.]:O’ReillyMedia,2016.
NETWORKS,O.N. Ligações emumaRedeNeural. 2018.Acessoem:02/04/2024.Disponível
em: <https://www.opennn.net/>.
NVIDIA. Página deDesenvolvimentodeProdutodoJetsonNano. 2024.<https://www.nvidia.
com/pt-br/autonomous-machines/embedded-systems/jetson-nano/product-development/>.
O’SHEA, K.;NASH,R.Anintroductiontoconvolutionalneuralnetworks. CoRR,
abs/1511.08458, 2015.Disponívelem:<http://arxiv.org/abs/1511.08458>.
OSORIO, F.Sistemasinteligentesbaseadosemredesneuraisartificiais aplicadosao
processamento deimagens.In: I WorkshopdeInt.Artificial -UNISC. SantaCruzdoSul:
[s.n.], 2000.p.1–30.
PACHECO,A.G.C.Classificação deespéciesdepeixeutilizandoredesneuraisconvolucional.
ArXiv, abs/1905.03642,2019.
PAN,S.J.;YANG,Q.Asurveyontransferlearning. IEEE TransactionsonKnowledgeand
Data Engineering, v.22,n.10,p.1345–1359,2010.
PONT,M.J.;SOTIRIADES,E. Embedded SystemsandWirelessTechnology:Theoryand
Practical Applications. [S.l.]:IGIGlobal,2017.
PROVOST,F.;FAWCETT,T. Data ScienceforBusiness:WhatYouNeedtoKnowabout
Data MiningandData-AnalyticThinking. [S.l.]:O’ReillyMedia,Inc.,2013.
REDMON, J.;DIVVALA,S.;GIRSHICK,R.;FARHADI,A.Youonlylookonce:Unified,
real-time objectdetection.In: ProceedingsoftheIEEEconferenceoncomputervisionand
patternrecognition. [S.l.:s.n.],2016.p.779–788.
REDMON, J.;FARHADI,A. YOLO:Real-TimeObjectDetection. 2016.Imagemextraídada
página web.Disponívelem:<https://pjreddie.com/darknet/yolo/>.
REDMON, J.;FARHADI,A.Yolov3:Anincrementalimprovement. arXiv, 2018.
ROSA,R.C.;SILVA,J.F.Análisedafrotadelanchasnaregiãoamazônica:desafios e
perspectivas. RevistadeEngenhariaNaval, v.12,n.2,p.78–93,2018.
SANTIN, W. Fotografia. 2010.Acessoem:datadeacesso.Disponívelem:<https:
//www.flickr.com/photos/wsantin/4778122980>.
SILBERSCHATZ,A.;GALVIN,P.B.;GAGNE,G. Operating SystemConcepts. 10.ed.[S.l.]:
John WileySons,2018.
SILVA,E.D.;MENEZES,E. Metodologia daPesquisaeElaboraçãodeDissertação. [S.l.:
s.n.], 2005.
SILVA,M.R.d.;MIRANDA,A.F.d.Desafios eperspectivasparaotransportehidroviáriona
amazônia. CadernoPrudentinodeGeografia, v.42,n.1,p.47–64,2020.
SILVEIRA,D.T.;CORDOVA,F.P.Unidade2-apesquisacientífica. In:GERHARDT,T.E.;
SILVEIRA,D.T.(Ed.). Métodos dePesquisa. PortoAlegre:EditoradaUFRGS,2009.p.
31–42.
SUTTON,R.S.;BARTO,A.G. ReinforcementLearning:AnIntroduction. [S.l.]:MITPress,
2018.
TECH, D. Ligações emumaRedeNeuralConvolucional. 2022.Acessoem:02/04/2024.
Disponívelem:<https://didatica.tech/introducao-a-redes-neurais-convolucionais/>.
UNESCO. Enhancing CooperationandIntegratedWaterManagement
in theAmazonRiverBasin. 2022.<https://www.unesco.org/en/articles/
enhancing-cooperation-and-integrated-water-management-amazon-river-basin>.Acessoem:4
de abrilde2024.
VICTOR,F. Raspberry PieArduino:Qualéadiferençaequaléomelhorparaoseu
projeto? 2018. Imagemextraídadapáginaweb.Disponívelem:<https://www.tecstudio.com.br/
tecnologia/raspberry-pi-e-arduino-qual-e-a-diferenca-e-qual-e-o-melhor-para-o-seu-projeto/
>.
WEISS, M.C.;BERNARDES,R.C.;CONSONI,F.L.Cidadesinteligentes:casose
perspectivasparaascidadesbrasileiras. RevistaTecnológicadaFatecAmericana, v.5,n.1,
p. 1–13,Setembro2017.Disponívelem:<http://www.fatec.edu.br/revista_ojs/index.php/
RTecFatecAM/article/view/137/115>.
WOLF,W. Embedded SystemDesign. [S.l.]:MorganKaufmann,2008.
YOSINSKI,J.;CLUNE,J.;BENGIO,Y.;LIPSON,H.Howtransferablearefeaturesindeep
neural networks?In: Advancesinneuralinformationprocessingsystems. [S.l.:s.n.],2014.p.
3320–3328.