Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Matos, Saulo Neves | - |
Autor(es): dc.creator | Rocha, Arthur Lima Marques | - |
Autor(es): dc.creator | Domingues Filho, Gabriel Montagni | - |
Autor(es): dc.creator | Ranieri, Caetano Mazzoni | - |
Autor(es): dc.creator | Garcia, Rodrigo Dutra | - |
Autor(es): dc.creator | Faria, Ana Clara de Oliveira | - |
Autor(es): dc.creator | Medina, Maria Mercedes Gamboa | - |
Autor(es): dc.creator | Ueyama, J. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:21:55Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:21:55Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1177/01423312241285952 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/302900 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/302900 | - |
Descrição: dc.description | Fluid level measurement is essential in many fields, including industrial and civil sectors, especially for urban flood detection, where there is a high risk of mortality and economic losses. However, although contact-based methods that employ pressure transducers can achieve a high degree of precision, they are susceptible to damage from direct contact with the fluid. This study adopts a redundancy-based approach that combines pressure transducer measurements with computer vision to provide enhanced reliability and reduce the risk of sensor failures. Our approach entails training a deep-learning model that uses pressure sensor data to mitigate this potential risk of damage and avoid the need for manually annotating sets of images. The results show that the pressure transducer has high accuracy, with a mean absolute error (MAE) of 1.21 cm, and that the computer vision model which is trained on pressure sensor data, achieves a comparable MAE of 6.67 cm. This approach also makes the system more robust and includes a dependable backup measurement method in case the primary sensor fails. Furthermore, the model trained on the sensor data led to results that were very similar to those trained directly on ground-truth data. | - |
Descrição: dc.description | Institute of Mathematical and Computer Sciences University of São Paulo (USP), SP | - |
Descrição: dc.description | São Carlos School of Engineering University of São Paulo (USP), SP | - |
Descrição: dc.description | São Carlos Institute of Physics University of São Paulo (USP), SP | - |
Descrição: dc.description | Institute of Geosciences and Exact Sciences São Paulo State University (UNESP), SP | - |
Descrição: dc.description | Institute of Geosciences and Exact Sciences São Paulo State University (UNESP), SP | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Transactions of the Institute of Measurement and Control | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | deep learning | - |
Palavras-chave: dc.subject | flood prediction | - |
Palavras-chave: dc.subject | pressure transducer | - |
Palavras-chave: dc.subject | water level | - |
Título: dc.title | Ensuring reliable water level measurement for flooding: A redundancy-based approach with pressure transducer and computer vision | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: