Segmentação de fios e cabos elétricos em imagens obtidas utilizando small-uas por meio de aprendizado profundo.

• Ano de defesa: 2023
• Autor(a) principal: Viana Júnior, Arnaldo Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Cabos elétricos; Deep learning; Detect and avoid; Image segmentation; Power lines; Rede neural artificial; Sistemas computacionais; UAS; Visão computacional
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-24012024-085011/

Small Unmanned Aircraft Systems (sUAS) autônomos são o novo modal para serviços de logística, transporte de mercadorias e segurança urbana por se tratar de veículos voadores pequenos, ágeis e com custo acessível. Contudo, o seu uso em grandes centros urbanos passa por diversos desafios, como a correta detecção de elementos presentes no ambiente percorrido, dentre eles os fios e cabos elétricos que ficam visíveis nos postes das ruas, que são difíceis de serem detectados por se tratar de segmentos longos e finos, gerando pouco contraste com a paisagem de fundo, representando um potencial risco de acidente que pode resultar em danos materiais e/ou à segurança das pessoas em caso de colisão. O momento crítico para colisão com esses elementos acontece durante a aproximação para pouso e decolagem, quando o sUAS está em baixa altitude e próximo ao solo. Uma forma de mitigar acidentes e tornar o uso de UASs mais seguro é por meio da correta detecção destes fios e cabos elétricos, podendo ser com o uso da câmera que está embarcada nos sUAS. A proposta deste trabalho é realizar a segmentação semântica de fios e cabos elétricos por meio de técnicas de visão computacional e aprendizagem profunda, abrangendo tanto imagens estáticas quanto vídeos. Foi implementada uma rede de aprendizado profundo chamada U-Net customizada e o seu treinamento com um dataset específico de fios e cabos elétricos em ambiente urbano com o intuito de realizar a segmentação semântica nas imagens estáticas e nos vídeos. Os resultados obtidos demonstram que a arquitetura personalizada da U-Net é capaz de identificar e segmentar com eficácia fios e cabos elétricos em imagens de ambientes urbanos, contribuindo para a melhoria na performance dos sistemas de detecção e desvio (DAA) e aumentando a segurança no uso de sUAS em áreas urbanas densas, durante os momentos críticos de aproximação para pouso e na decolagem. Com esta pesquisa, espera-se contribuir para o sistema DAA de UASs, visando a uma utilização segura dessas aeronaves no espaço aéreo de baixa altitude e fora da linha de visada em ambientes urbanos.