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.creator | Costa, Marcus Vinícius Coelho Vieira da | - |
Autor(es): dc.creator | Carvalho, Osmar Luiz Ferreira de | - |
Autor(es): dc.creator | Orlandi, Alex Gois | - |
Autor(es): dc.creator | Hirata, Issao | - |
Autor(es): dc.creator | Albuquerque, Anesmar Olino de | - |
Autor(es): dc.creator | Silva, Felipe Vilarinho e | - |
Autor(es): dc.creator | Guimarães, Renato Fontes | - |
Autor(es): dc.creator | Gomes, Roberto Arnaldo Trancoso | - |
Autor(es): dc.creator | Carvalho Júnior, Osmar Abílio de | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:32:30Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:32:30Z | - |
Data de envio: dc.date.issued | 2021-07-27 | - |
Data de envio: dc.date.issued | 2021-07-27 | - |
Data de envio: dc.date.issued | 2020 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/41506 | - |
Fonte completa do material: dc.identifier | https://doi.org/10.3390/en14102960 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-5619-8525 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0003-1561-7583 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-9555-043X | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0003-4724-4064 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-0346-1684 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/885677 | - |
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 an issue of great interest for the Brazilian territory’s energy management agency, and advances in computer vision and deep learning allow 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-net presented 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 mapping, and the proposed study provides a promising approach. | - |
Formato: dc.format | application/pdf | - |
Publicador: dc.publisher | MDPI | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | Copyright: © 2021 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (https:// creativecommons.org/licenses/by/ 4.0/). | - |
Palavras-chave: dc.subject | Energia solar | - |
Palavras-chave: dc.subject | Sensoriamento remoto | - |
Título: dc.title | Remote sensing for monitoring photovoltaic solar plants in Brazil using deep semantic segmentation | - |
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: