Desenvolvimento de um software identificador de incêndios utilizando um modelo de machine learning

Página do item simplificado
dc.contributor.advisor1Pinheiro Júnior, Carlos Galvão
dc.contributor.referee1Pinheiro Júnior, Carlos Galvão
dc.contributor.referee1Vinhal, Cássio Dener Noronha
dc.contributor.referee1Cruz Júnior, Gélson da
dc.creatorOliveira , João Vitor Almeida de
dc.date.accessioned2024-01-15T10:48:57Z
dc.date.available2024-01-15T10:48:57Z
dc.date.issued2023-08-14
dc.description.abstractThis article aims to present a real-time monitoring system to detect fires in establishments and on city streets. This system makes use of Machine Learning techniques, more specifically YOLOv5, for fire detection in images coming from IP cameras via RTSP protocol. For the training, a database was created with annotations specifically for this project. Training was performed on a local machine and the result was a model with a mAP50 of 0.577 for the validation set and 0.413 for the test set. In the test set, a precision of 0.514 and a sensitivity of 0.448 were obtained, which means that it has many occurrences of false positives and false negatives in the detections. Finally, the developed management system – server, web application and database structure – has features such as user registration, authentication, IP camera management, camera image viewing and real-time response to fire detection.
dc.description.resumoO presente artigo visa apresentar um sistema de monitoramento em tempo real para detectar incêndios em estabelecimentos e nas ruas da cidade. Esse sistema faz uso de técnicas de Machine Learning, mais especificamente o YOLOv5, para detecção de fogo em imagens advindas de câmeras IP via protocolo RTSP. Para o treinamento foi criada uma base de dados com anotações especificamente para esse projeto. O treinamento foi realizado em uma máquina local e o resultado foi um modelo com uma mAP50 de 0,577 para o conjunto de validação e 0,413 para o conjunto de teste. No conjunto de teste foi obtida uma precisão de 0,514 e sensibilidade de 0,448, o que faz com que possua muitas ocorrências de falsos positivos e falsos negativos nas detecções. Por fim, o sistema de gerenciamento desenvolvido – servidor, aplicação web e estrutura do banco de dados – conta com funcionalidades como cadastro de usuários, autenticação, gerenciamento de câmeras IP, visualização das imagens da câmera e a resposta em tempo real para detecção de fogo.
dc.identifier.citationOLIVEIRA, João Vitor Almeida de. Desenvolvimento de um software identificador de incêndios utilizando um modelo de machine learning. 2023. 19 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Computação) - Escola de Engenharia Elétrica, Mecânica e de Computação, Universidade Federal de Goiás, Goiânia, 2023.
dc.identifier.urihttp://repositorio.bc.ufg.br//handle/ri/24079
dc.language.isopor
dc.publisherUniversidade Federal de Goiás
dc.publisher.countryBrasil
dc.publisher.courseEngenharia de Computação (RMG)
dc.publisher.departmentEscola de Engenharia Elétrica, Mecânica e de Computação - EMC (RMG)
dc.publisher.initialsUFG
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectMachine learning
dc.subjectSistema
dc.subjectGerenciamento
dc.subjectIncêndio
dc.subjectCombate a incêndios
dc.subjectTempo real
dc.subjectSoftware
dc.subjectManagement
dc.subjectFire
dc.subjectFirefighting
dc.subjectReal time
dc.titleDesenvolvimento de um software identificador de incêndios utilizando um modelo de machine learning
dc.typeTCC

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
TCCG - Engenharia de Computação - João Vitor Almeida de Oliveira - 2023.pdf
Tamanho:
1.17 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

EMC - Trabalhos de Conclusão de Curso