Visão Computacional e Aprendizado de Máquina para Classificação de Componentes em Alimentadores de Subestações Elétricas
Abstract
Hodiernamente o monitoramento manual para a gestão de obras em subestações de energia elétrica vem se tornando recorrente no dia a dia, visto que há um constante crescimento na demanda da sociedade pela energia. Dito isso, surgem oportunidades de automatização de tais processos utilizando a inteligência artificial e, sendo assim, o objetivo deste trabalho é realizar um comparativo entre quatro arquiteturas de redes neurais convolucionais: DenseNet, Inception, ResNet e SqueezeNet, visando resolver um problema de classificação de elementos que compõem alimentadores em subestações de energia. Foram capturadas em campo 32 fotos de diferentes alimentadores e, posteriormente, foi aplicado técnicas de aumento de dados, visando aumentar a quantidade de imagens. Os modelos foram treinados utilizando aprendizado por transferência e ambos obtiveram resultados próximos a 100% no conjunto de teste, sendo possível concluir que, para o problema proposto, não houve diferença significativa entre a assertividade destes.