Banca de DEFESA: RICARDO MENEZES PRATES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : RICARDO MENEZES PRATES
DATA : 18/12/2020
HORA: 13:30
LOCAL: https://conferenciaweb.rnp.br/events/defesa-de-tese-de-ricardo-prates
TÍTULO:

Detecção de Defeitos e Classificação de Isoladores de Redes de Distribuição utilizando Aprendizagem Profunda

 

PALAVRAS-CHAVES:

Inspeção visual, aprendizado profundo, isoladores de rede elétrica.

PÁGINAS: 150
RESUMO:

As Redes Primárias de Distribuição Aéreas de Energia Elétrica (RPDA) correspondem a um grande percentual dos circuitos elétricos de média tensão presentes mundialmente. Nessas redes, as atividades de Inspeção Visual (IV) são usualmente realizadas sem o auxílio de sistemas automatizados, requerendo um investimento significativo em termos de tempo e de recursos humanos. A IV também está sujeita a avaliações subjetivas e erros humanos, o que pode acarretar em resultados incorretos e/ou imprecisos de inspeção. Nesta perspectiva, o presente trabalho de doutorado se propõe a apresentar um conjunto de técnicas inteligentes direcionadas a inspeção visual automatizada de RPDA, objetivando tanto a identificação dos modelos de isoladores quanto o diagnóstico de suas respectivas inconformidades visíveis a olho nu. Para o referido propósito, foram desenvolvidos diferentes modelos computacionais baseados em técnicas de Processamento Digital de Imagens (PDI) e de Inteligência Artificial (IA). Como parte adicional desta pesquisa, foi criado um dataset de imagens de componentes isoladores de RPDA coletados em um estúdio fotográfico e também em uma Rede de Distribuição de Ensaios (RDE), construída em ambiente externo. Para otimização do desempenho dos modelos computacionais, foram avaliados diferentes tipos de algoritmos inteligentes e de técnicas de aprendizagem profunda, dando ênfase às Redes Neurais Convolucionais (RNC), configurações híbridas e arranjos de Redes Generativas Adversárias (GANs). Além disso, foram implementadas abordagens adicionais, tais como: data augmentation; transferência de conhecimento; multi-task learning; background invariance e geradores de imagens artificiais. Os resultados obtidos indicam desempenhos satisfatórios das técnicas propostas na identificação da classe e presença de inconformidade em componentes isoladores de distribuição, trazendo uma série de inovações em relação a outras abordagens existentes na literatura.

MEMBROS DA BANCA:
Presidente - 2506534 - EDUARDO FURTADO DE SIMAS FILHO
Externo ao Programa - 2530359 - ANTONIO CARLOS LOPES FERNANDES JUNIOR
Externo à Instituição - JOSÉ MANOEL DE SEIXAS
Externo à Instituição - MARCELO ZANCHETTA DO NASCIMENTO - UFU
Externo à Instituição - RODRIGO PEREIRA RAMOS - UNIVASF