Repositório UNIFEI UNIFEI - Campus 1: Itajubá PPG - Programas de Pós Graduação Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.unifei.edu.br/jspui/handle/123456789/4151
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSOUZA, Jean Wellington de-
dc.date.issued2024-07-22-
dc.identifier.urihttps://repositorio.unifei.edu.br/jspui/handle/123456789/4151-
dc.description.abstractThis work investigates an artificial intelligence-based method applied to edge processing for the recognition of water meter digits. The implementation includes two low-power transmitters, NBIoT and LoRa, for transmitting the recognized numbers, and estimates the device’s energy consumption to evaluate the feasibility of low-power solutions in edge processing applications. A total of 387 image recognition and edge processing measurements were conducted with transmission via NBIoT, and 241 measurements with LoRa. The edge processing results, obtained from the training of a neural network developed in this work, showed an average error of 0.289 and an accuracy of 93.52%, indicating high reliability in identifying the water meter’s numerical values. Data transmission via NBIoT showed low packet loss (4.65%), while transmission with LoRa showed no loss, demonstrating high precision in data transmission. The application of edge processing with battery and low-power transmitters proved promising for use in water meters with daily measurements, estimating an autonomy of 623 days for LoRa applications and 631 days for NBIoT. Thus, the feasibility of low-power solutions in edge processing applications is confirmed.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Itajubápt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectProcessamento de bordapt_BR
dc.subjectReconhecimento de imagenspt_BR
dc.subjectNBIoTpt_BR
dc.subjectLoRapt_BR
dc.subjectConsumo de energiapt_BR
dc.titleSolução integradora de monitoramento por imagem com processamento de bordapt_BR
dc.typeDissertaçãopt_BR
dc.date.available2024-10-21-
dc.date.available2024-10-21T19:19:30Z-
dc.date.accessioned2024-10-21T19:19:30Z-
dc.creator.Latteshttp://lattes.cnpq.br/3095597034461611pt_BR
dc.contributor.advisor1SPADOTI, Danilo Henrique-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8760117075106351pt_BR
dc.contributor.advisor-co1ABREU, Reinaldo Lima de-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/7672920933339124pt_BR
dc.description.resumoEste trabalho aplica um método de inteligência artificial em um dispositivo de transmissão de dados visando realizar o processamento de borda no reconhecimento dos dígitos de hidrômetros. A implementação prática foi realizada em dois diferentes transmissores de baixo consumo de energia, NBIoT e LoRa. Foram analisadas a eficiência de transmissão, a taxa de erros e o consumo de energia dos dispositivos, avaliando, assim, a viabilidade de soluções de baixo consumo em aplicações de processamento de borda. Foram realizadas 387 medições de reconhecimento de imagem e processamento de borda com transmissão via NBIoT, e 241 medições com LoRa. Os resultados do processamento de borda, obtidos a partir do treinamento de uma rede neural desenvolvida neste trabalho, apresentaram um erro médio de 0,289 e uma acurácia de 93,52%, indicando uma alta confiabilidade na identificação dos valores numéricos do hidrômetro. A transmissão de dados via NBIoT mostrou baixas perdas de pacotes (4,65%), enquanto a transmissão com LoRa não apresentou nenhuma perda, demonstrando alta precisão nos pacotes de transmissão. A aplicação de processamento de borda com bateria e transmissores de baixo consumo mostrou-se promissora para uso em hidrômetros com medições diárias, estimando uma autonomia de 623 dias para aplicações com LoRa e 631 dias para o NBIoT. Assim, comprova-se a viabilidade de soluções de baixo consumo em aplicações de processamento de borda.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentIESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informaçãopt_BR
dc.publisher.programPrograma de Pós-Graduação: Mestrado - Engenharia Elétricapt_BR
dc.publisher.initialsUNIFEIpt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICApt_BR
dc.relation.referencesSOUZA, Jean Wellington de. Solução integradora de monitoramento por imagem com processamento de borda. 2024. 107 f. Dissertação (Mestrado em Engenharia Elétrica) – Universidade Federal de Itajubá, Itajubá, 2024.pt_BR
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertação_2024128.pdf10,02 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


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