Publication
Inspecção Visual de Isoladores Eléctricos -Abordagem baseada em Deep Learning
| datacite.subject.fos | Sistemas Autónomos | pt_PT |
| dc.contributor.advisor | Dias, André Miguel Pinheiro | |
| dc.contributor.author | Oliveira, Daniel dos Santos | |
| dc.date.accessioned | 2018-05-14T10:45:24Z | |
| dc.date.available | 2018-05-14T10:45:24Z | |
| dc.date.issued | 2017 | |
| dc.description.abstract | To supply the electrical population’s demand is necessary to have a good quality power distribution systems. Electrical asset inspection, like electrical towers, dam or power line is a high risk and expensive task. Nowadays it is done with traditional methods like using a helicopter equipped with several sensors or with specialised human labour. In the last years, the Unmanned Aerial Vehicle (UAV) exponential growth (most common called drones) make them very accessible for different applications. They are cheaper and easy to adapt. Adopting this technology will be in the future the next step on electrical asset inspection. It will provide a better service (safer, faster and cheaper), particularly in power line distribution. This thesis brings forward an alternative to traditional methods using a UAV for images processing during the insulator visual inspection. The developed work implement real-time insulators visual detection using na Artificial Neural Network (ANN), You Only Look Once (YOLO) in this case, on medium and high voltage power lines. YOLO was trained with different types and sizes of insulators. Isn’t always possible to see what the UAV is recording so it has a gimbal system which controls the camera orientation/position. It will centre the insulator on the image and this way getting a better view of it. All the training and tests were performed on board Jetson TX2. | pt_PT |
| dc.description.abstract | A inspeção de ativos elétricos, sejam eles torres elétricas, barragens ou linhas elétricas, é realizada com recurso a helicópteros, equipados com sensores para o efeito ou, de uma forma mais minuciosa, com o recurso a mão-de-obra especializada. Ambas as situações são trabalhos de risco elevado. Nos últimos anos temos assistido a um enorme crescimento de veículos aéreos não tripulados, vulgarmente chamados de drones. Estes sistemas estão bastante desenvolvidos e são economicamente acessíveis, o que os torna perfeitos para variadíssimas funções. A inspeção de linhas elétricas não ´e exceção. Esta dissertação, pretende ser uma primeira abordagem `a utilização de drones para uma inspeção autónoma de linhas elétricas, nomeadamente no processamento de imagem para inspeção visual de isoladores. O trabalho desenvolvido, consiste na implementação de um sistema que funciona em tempo real para a deteção visual de isoladores. A deteção ´e feita com recurso a uma rede neuronal, neste caso específico a fico a You Only Look Once (YOLO), que foi treinada com isoladores de diferentes tamanhos e materiais. Uma vez que nem sempre ´e possível acompanhar o que está a ser filmado, o drone consta de um sistema capaz de orientar a câmara, chamado gimbal, para centrar o isolador na imagem e assim conseguir obter um melhor enquadramento do ativo a ser inspecionado. Todos este desenvolvimentos e consequentes testes foram realizados com a utilização de processamento paralelo, que neste caso foi utilizada a placa Jetson TX2. | pt_PT |
| dc.identifier.tid | 201766922 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/11609 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | Deep learning | pt_PT |
| dc.subject | YOLO | pt_PT |
| dc.subject | Power line inspection | pt_PT |
| dc.subject | UAV | pt_PT |
| dc.subject | Gimbal control | pt_PT |
| dc.subject | Real-time | pt_PT |
| dc.subject | Object detection | pt_PT |
| dc.subject | Rede neuronal | pt_PT |
| dc.subject | Inspeção elétrica | pt_PT |
| dc.subject | Veículos aéreos não tripulados | pt_PT |
| dc.subject | Controlo de gimbal | pt_PT |
| dc.subject | Aplicação em tempo real | pt_PT |
| dc.subject | Deteção de objetos | pt_PT |
| dc.title | Inspecção Visual de Isoladores Eléctricos -Abordagem baseada em Deep Learning | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Eletrotécnica e de Computadores | pt_PT |