
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 | Romaneli, Eduardo Félix Ribeiro | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-0592-5195 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1223078719595762 | - |
| Autor(es): dc.contributor | Ganacim, Francisco Itamarati Secolo | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0001-7726-2429 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/8851935795178653 | - |
| Autor(es): dc.contributor | Romaneli, Eduardo Félix Ribeiro | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-0592-5195 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/1223078719595762 | - |
| Autor(es): dc.contributor | Küster, Kristie Kaminski | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0001-5736-0072 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/0575342022077066 | - |
| Autor(es): dc.contributor | Santos, Winderson Eugenio dos | - |
| Autor(es): dc.contributor | https://orcid.org/0000-0003-0135-5703 | - |
| Autor(es): dc.contributor | http://lattes.cnpq.br/4226185297739834 | - |
| Autor(es): dc.creator | Gomes, Andreas Anael Pereira | - |
| Data de aceite: dc.date.accessioned | 2025-08-29T13:23:34Z | - |
| Data de disponibilização: dc.date.available | 2025-08-29T13:23:34Z | - |
| Data de envio: dc.date.issued | 2024-08-06 | - |
| Data de envio: dc.date.issued | 2024-08-06 | - |
| Data de envio: dc.date.issued | 2024-05-29 | - |
| Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/34343 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1112474 | - |
| Descrição: dc.description | Multiple factors can aggravate energetic losses in transmission lines, such as the deterioration of contacts or corrosion. Due to that, there is a high demand in the industry for predictive technical maintenance to detect and correct these faults as fast as possible, to guarantee the reliability of energy distribution. Thermography is a non-invasive inspection technique that is quite popular in the industry, since it does not require the equipment to be turned off to be done, with advances in recent years for its AI automatization. Since each equipment may require specific segmentation techniques due to their individual max admissible voltage values, automated thermographic inspection is normally limited to either specific equipment or the detection of generic temperature raises that usually are false positives for faults. This work proposes a combination of neural network architectures for object detection in a power distribution substation. By identifying individual electrical equipment in optical images captured by thermographic cameras and cropping the area of interest in those objects, it would possible to apply a more adequate segmentation of hot spots in the corresponding thermographic image. The object detection models will be compared through different metrics that compare regions of interest annotated by humans on images from a test set that was not used for training with the outputs of the detection models. | - |
| Descrição: dc.description | Diversos fatores podem agravar perdas energéticas em linhas de transmissão, como a deterioração de contatos ou corrosões. Por isso, há grande interesse na indústria em técnicas de manutenção preditivas para detectar e corrigir essas falhas o quanto antes para garantir a confiabilidade da distribuição de energia. A termografia é uma técnica de inspeção não invasiva bastante popular no ramo por não desligar os equipamentos para sua realização, com avanços nos últimos anos em técnicas para automatizar o processo com inteligência artificial. Além de cada equipamentos apresentar máxima tensão admissível diferente, eles podem necessitar de técnicas de segmentação específicas, então a automação da inspeção termográfica normalmente se limita a equipamentos específicos ou detecção de indícios genéricos de falhas. Este trabalho propõe uma combinação de arquiteturas de redes neurais convolucionais para a detecção de objetos de uma subestação de distribuição de energia. Identificando seus equipamentos elétricos e recortando as regiões de interesse desses objetos em imagens óticas obtidas de câmeras termográficas, será possível aplicar a técnica de segmentação de pontos quentes mais adequada na sua imagem termográfica correspondente. Os modelos de detecção de objeto serão comparados através de diferentes métricas que comparam as anotações feitas por humanos em imagens de um conjunto de testes que não foi utilizado para treinamento com as saídas dos modelos de detecção. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
| Publicador: dc.publisher | Curitiba | - |
| Publicador: dc.publisher | Brasil | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Sistemas de Energia | - |
| Publicador: dc.publisher | UTFPR | - |
| Direitos: dc.rights | openAccess | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0/ | - |
| Palavras-chave: dc.subject | Subestações elétricas | - |
| Palavras-chave: dc.subject | Energia elétrica - Distribuição | - |
| Palavras-chave: dc.subject | Visão por computador | - |
| Palavras-chave: dc.subject | Termografia | - |
| Palavras-chave: dc.subject | Redes neurais (Computação) | - |
| Palavras-chave: dc.subject | Falhas de energia elétrica - Detecção | - |
| Palavras-chave: dc.subject | Electric substations | - |
| Palavras-chave: dc.subject | Electric power distribution | - |
| Palavras-chave: dc.subject | Computer vision | - |
| Palavras-chave: dc.subject | Thermography | - |
| Palavras-chave: dc.subject | Neural networks (Computer science) | - |
| Palavras-chave: dc.subject | Electric power failures - Detection | - |
| Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::SISTEMAS ELETRICOS DE POTENCIA | - |
| Palavras-chave: dc.subject | Engenharia Elétrica | - |
| Título: dc.title | Detecção automática de equipamentos de pátio em uma subestação de distribuição utilizando redes neurais convolucionais profundas | - |
| Título: dc.title | An automatic detection system for the components of a distribution substation based on convolutional neural networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT | |
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: