Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Carvalho Júnior, Osmar Abílio de | - |
Autor(es): dc.contributor | marcuspopous@gmail.com | - |
Autor(es): dc.creator | Costa, Marcus Vinícius Coelho Vieira da | - |
Data de aceite: dc.date.accessioned | 2022-08-15T13:42:44Z | - |
Data de disponibilização: dc.date.available | 2022-08-15T13:42:44Z | - |
Data de envio: dc.date.issued | 2022-04-19 | - |
Data de envio: dc.date.issued | 2022-04-19 | - |
Data de envio: dc.date.issued | 2022-04-19 | - |
Data de envio: dc.date.issued | 2021-12-19 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/43509 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/714457 | - |
Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Humanas, Departamento de Geografia, Programa de Pós-graduação, 2021. | - |
Descrição: dc.description | O Brasil é um país tropical com dimensões continentais e energia solar abundante, recursoesseainda subutilizado. No entanto, a energia solar é uma das mais promissorasfontes renováveis no país. A inspeção adequada das usinas solares fotovoltaicas é de grande interesse para a Agência Nacional de Energia Elétrica, e avanços na visão computacional e aprendizagem profunda permitem que sejaautomático, periódico e de baixo custo.A presente pesquisa visa identificar usinas solares fotovoltaicas no Brasil por meio da segmentação semânticae classificação de imagens por sobreposição de mosaicos. Comparamos quatro arquiteturas (U-net, DeepLabv3+, Pyramid Scene Parsing Network e FeaturePyramid Network) com quatro backbones (Efficient-net-b0, Efficient-net-b7, ResNet-50, e ResNet-101). Para o mosaico, avaliamos uma janela deslizante com sobreposição de pixels usando diferentes valores (8, 16, 32, 64, 128 e 256).Descobrimos que: (1) osmodelos apresentaram resultados semelhantes, mostrando que a abordagem mais relevante é adquirir máscarasde alta qualidade em vez de modelos commuitos cenários; (2) U-net apresentaligeiramente métricas melhores, e a melhor configuração foi utilizando a arquitetura de U-net com o backbonesEfficient-net-b7 (98% de precisão geral, 91% de IoU e 95% de F-ScoreF);(3) mosaico aumenta progressivamenteos resultados ao diminuir o valor da sobreposição, porém comum custo computacional mais alto. Aaltatendênciade crescimento da energia solar no Brasil,exigem mapeamentos rápidos, e a proposta do estudo fornece uma abordagem promissora. | - |
Descrição: dc.description | Brazil is a tropical country with continental dimensions and abundant solar resources that are still underutilized. However, solar energy is one of the most promising renewable sources in the country. The proper inspection of Photovoltaic (PV) solar plants is a problem of great interest for the Brazilian territory'senergy management agency, and advances in computer vision and deep learning allows automatic, periodic, and low-cost monitoring. The present research aims to identify PV solar plants in Brazil using semantic segmentation and a mosaicking approach for large image classification. We compared four architectures (U-net, DeepLabv3+, Pyramid Scene Parsing Network, and Feature Pyramid Network) with four backbones (Efficient-net-b0, Efficient-net-b7, ResNet-50, and ResNet-101). For mosaicking, we evaluated a sliding window with overlapping pixels using different stride values (8, 16, 32, 64, 128, and 256). We found that: (1) the models presented similar results, showing that the most relevant approach is to acquire high-quality labels rather than models in many scenarios; (2) U-netpresented slightly better metrics, and the best configuration was U-net with the Efficient-net-b7 encoder (98% overall accuracy, 91% IoU, and 95% F-score); (3) mosaicking progressively increases results (precision-recall, and receiver operating characteristic area under the curve) when decreasing the stride value, at the cost of a higher computational cost. The high trends of solar energy growth in Brazil require rapid mappings, and the proposed study provides a promising approach. | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Usina fotovoltaica | - |
Palavras-chave: dc.subject | Painel solar | - |
Palavras-chave: dc.subject | Segmentação semântica | - |
Título: dc.title | Sensoriamento remoto para o monitoramento de plantas solares fotovoltaicas no Brasil usando segmentação semântica profunda | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: