Contribuições à detecção automática de pontos quentes em postes de energia elétrica usando o algoritmo Bag of Visual Words e métodos de Kernel
Contributions of the automatic detection of hot spots in utility poles using the Bag of Visual Words algorithm and Kernel methods
| dc.creator | Canahuire Cabello, Frank Alexis, 1988- | |
| dc.date | 2016 | |
| dc.date | 2016-11-10T00:00:00Z | |
| dc.date | 2017-12-01T13:51:37Z | |
| dc.date | 2017-12-01T13:51:37Z | |
| dc.date.accessioned | 2018-03-29T06:13:16Z | |
| dc.date.available | 2018-03-29T06:13:16Z | |
| dc.identifier | CANAHUIRE CABELLO, Frank Alexis. Contribuições à detecção automática de pontos quentes em postes de energia elétrica usando o algoritmo Bag of Visual Words e métodos de Kernel. 2016. 1 recurso online (138 p.). Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação, Campinas, SP. | |
| dc.identifier | http://repositorio.unicamp.br/jspui/handle/REPOSIP/330392 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1367635 | |
| dc.description | Orientador: Yuzo Iano | |
| dc.description | Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação | |
| dc.description | Resumo: Um dos maiores problemas na distribuição de energia é o aquecimento anormal associada à alta resistência ou fluxo de corrente excessiva, onde alguns dos componentes afetados são o transformador trifásico, switches, conetores, fusíveis, etc. Para detectar problemas relacionados a pontos quentes, é necessário o uso de câmeras térmicas. Uma vez que a câmera térmica determina o ponto quente, é selecionada uma região de interesse(ROI) que será utilizada em este trabalho de tese. O objeto de estudo começa a partir da obtenção desta região, não será estudado o tratamento das imagens térmicas. O principal objetivo será na detecção de postes de energia elétrica usando um banco de dados de imagens obtidas do Google Maps para a região de Campinas. Nos últimos anos, a área de classificação de imagens está evoluindo rapidamente com a chegada das redes neurais convolucionais (CNN), a principal vantagem de este algoritmo é sua precisão mas a sua maior desvantagem é o uso de um alto custo computacional (para a sua implementação é necessário usar processamento em paralelo). O que necessitávamos para este projeto era um algoritmo rápido e robusto, por isto usaremos o algoritmo que foi deixado um pouco de lado com a vinda das CNN¿s, o método Bag of Visual Words(BoVW) usando a informação espacial. Este método é dividido em 3 partes, a extração de características, representação de imagens e a classificação. Para a classificação, foram usados vários tipos de Kernel junto com o classificador de maquinas de vetores de suporte(SVM). Os resultados obtidos mostram uma precisão ao redor de 95% de classificações corretas de postes de energia elétrica | |
| dc.description | Abstract: One of the major problems in power distribution networks is abnormal heating associated with high resistance or excessive current flow, where some affected components are the three-phase transformer, switches, connectors, fuses, etc. To know where the hot spots are commonly used thermal cameras. Since the thermal camera determines a hot spot, it selected a sub-image that will be studied. This work starts from obtaining the sub-image and will not cover the study of the thermal images. The main objective will be in the detection of utility poles using a database of images obtained from Google Maps for the region of Campinas. In recent years, the area of image classification is evolving rapidly with the advent of new algorithms such as convolutional neural network (CNN), the main advantage of this algorithm is its accuracy but the major disadvantage of this method is the high processing time. For this reason we used the method of Bag of Visual Words (BoVW) where there are only two classes (those that are utility poles and those that are not utility poles) to see if the sub-image obtained is a utility pole. This method was divided into 3 parts, feature extraction, image representation and classification. For the classification, we use kernel methods type Support Vector Machine (SVM) The results show that the accuracy of this method is around 95% correct classification of utility poles | |
| dc.description | Doutorado | |
| dc.description | Telecomunicações e Telemática | |
| dc.description | Doutor em Engenharia Elétrica | |
| dc.description | 14957124 | |
| dc.description | CAPES | |
| dc.description | CNPQ | |
| dc.format | 1 recurso online (138 p.) : il., digital, arquivo PDF. | |
| dc.format | application/pdf | |
| dc.publisher | [s.n.] | |
| dc.relation | Requisitos do sistema: Software para leitura de arquivo em PDF | |
| dc.subject | Maquina de vetores de suporte | |
| dc.subject | Processamento de imagens | |
| dc.subject | Aprendizado de máquina | |
| dc.subject | Support vector machine | |
| dc.subject | Image processing | |
| dc.subject | Machine learning | |
| dc.title | Contribuições à detecção automática de pontos quentes em postes de energia elétrica usando o algoritmo Bag of Visual Words e métodos de Kernel | |
| dc.title | Contributions of the automatic detection of hot spots in utility poles using the Bag of Visual Words algorithm and Kernel methods | |
| dc.type | Tesis |