Use este identificador para citar ou linkar para este item: http://bdm.ufmt.br/handle/1/3135
Registro completo de metadados
Campo DCValorIdioma
dc.creatorChagas, Vitor Custódio-
dc.date.accessioned2023-06-22T21:58:02Z-
dc.date.available2023-06-22-
dc.date.available2023-06-22T21:58:02Z-
dc.date.issued2023-06-09-
dc.identifier.citationCHAGAS, Vitor Custódio. Identificação de falhas em linhas de transmissão de energia elétrica utilizando Deep Learning. 2023. 63 f. Trabalho de Conclusão de Curso. (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Mato Grosso. Faculdade de Engenharia, Cuiabá, 2023.pt_BR
dc.identifier.urihttp://bdm.ufmt.br/handle/1/3135-
dc.description.abstractThe Electric Sector is one of the most important for society as a whole. Its operation is responsible for improving the quality of life for citizens in almost every corner of the world. Thus, we can power our refrigerators, charge our cellphones, watch television, among many other applications that electrical energy enables. This present work demonstrates the utilization of the YOLOv8 architecture for object detection in power transmission lines, aiming to prevent or detect possible failures using the PLT-AI Furnas dataset. The obtained results were satisfactory, with an average precision of 92.1.pt_BR
dc.description.provenanceSubmitted by Alex Alves Almeida (alexjerry1@gmail.com) on 2023-06-22T21:57:51Z No. of bitstreams: 1 TCC_2022_Vitor Custódio Chagas.pdf: 6531990 bytes, checksum: 3bdfba12f1c25fef1a641b69173b6b0b (MD5)en
dc.description.provenanceApproved for entry into archive by Alex Alves Almeida (alexjerry1@gmail.com) on 2023-06-22T21:58:02Z (GMT) No. of bitstreams: 1 TCC_2022_Vitor Custódio Chagas.pdf: 6531990 bytes, checksum: 3bdfba12f1c25fef1a641b69173b6b0b (MD5)en
dc.description.provenanceMade available in DSpace on 2023-06-22T21:58:02Z (GMT). No. of bitstreams: 1 TCC_2022_Vitor Custódio Chagas.pdf: 6531990 bytes, checksum: 3bdfba12f1c25fef1a641b69173b6b0b (MD5) Previous issue date: 2023-06-09en
dc.languageporpt_BR
dc.publisherUniversidade Federal de Mato Grossopt_BR
dc.rightsAcesso Abertopt_BR
dc.titleIdentificação de falhas em linhas de transmissão de energia elétrica utilizando Deep Learningpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Oliveira, Frederico Santos de-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6696015652553104pt_BR
dc.contributor.referee1Oliveira, Frederico Santos de-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6696015652553104pt_BR
dc.contributor.referee2Vasconcelos, Fillipe Matos de-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4832215187384280pt_BR
dc.contributor.referee3Ferreira, Alef Iury Siqueira-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/1753857603723025pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/8039043116569823pt_BR
dc.description.resumoO Setor Elétrico é um dos mais importantes para toda a sociedade. Seu funcionamento é responsável por aumentar a qualidade de vida dos cidadãos em quase todos os lugares do mundo. Assim, podemos ligar nossas geladeiras, carregar nossos celulares, assistir televisão, entre outras tantas aplicações que a energia elétrica possui. O presente trabalho demonstra a utilização da arquitetura YOLOv8 para detecção de objetos em linhas de transmissão de energia com o intuito de prevenir ou detectar possíveis falhas utilizando o dataset PLT-AI Furnas. Os resultado obtidos foram satisfatórios com uma precisão média de 92,1% .pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Engenharia – Várzea Grandept_BR
dc.publisher.initialsUFMT CUVG - Várzea Grandept_BR
dc.publisher.programEngenharia de Controle e Automação - CUVGpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::ELETRONICA INDUSTRIAL, SISTEMAS E CONTROLES ELETRONICOS::AUTOMACAO ELETRONICA DE PROCESSOS ELETRICOS E INDUSTRIAISpt_BR
dc.subject.keywordEngenharia elétricapt_BR
dc.subject.keywordEletricidadept_BR
dc.subject.keywordReconhecimento de padrõespt_BR
dc.subject.keywordAplicações informáticaspt_BR
dc.subject.keyword2Electrical engineeringpt_BR
dc.subject.keyword2Electricitypt_BR
dc.subject.keyword2Pattern Recognitionpt_BR
dc.subject.keyword2Computer applicationspt_BR
Aparece na(s) coleção(ções):Engenharia de Controle e Automação - Várzea Grande

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
TCC_2022_Vitor Custódio Chagas.pdf6.38 MBAdobe PDFVer/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.