A carregar...
Integração de Sistemas Orientados à Deteção de Fogos Noturnos
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.25 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Este relatório descreve o estágio no INOV em Computer Vision, focado na deteção de fogos noturnos em florestas, tema crucial face aos riscos das alterações climáticas. O objetivo foi desenvolver um sistema de redes neuronais integrado na produção do INOV, em formato compatível.
A metodologia incluiu pré-processamento, treino e avaliação de modelos. Um contributo central foi a anotação manual de um dataset de 17 443 imagens, adaptando dados inários para o treino do algoritmo YOLOv8, com as arquiteturas ResNet-50 e Vision Transformer (ViT). O treino foi “orgânico”, mantendo distorções reais para garantir a robustez da solução. Apesar dos desafios técnicos na conversão do ViT para o formato pretendido, a solução final integrou classificação e deteção com sucesso. O sistema alcançou uma exatidão de 99,78%, sendo validado em ambiente de produção através de deteções em condições reais
This report describes the internship carried out at INOV in Computer Vision, focusing on the detection of nighttime forest fires, a crucial topic given climate change risks. The objective was to develop a neural network system integrated into INOV’s production environment, requiring deployment in a compatible format. The methodology encompassed pre-processing, training, and evaluation. A central contribution was the manual annotation of 17 443 images, adapting binary data for YOLOv8 training, complemented by ResNet-50 and Vision Transformer (ViT) architectures. The training was “organic”, preserving real-world distortions to ensure robustness. Despite technical challenges in converting ViT to the required format, the final solution successfully integrated classification and detection. The system achieved 99.78% accuracy, with its operational viability validated in a production environment through real-world detections.
This report describes the internship carried out at INOV in Computer Vision, focusing on the detection of nighttime forest fires, a crucial topic given climate change risks. The objective was to develop a neural network system integrated into INOV’s production environment, requiring deployment in a compatible format. The methodology encompassed pre-processing, training, and evaluation. A central contribution was the manual annotation of 17 443 images, adapting binary data for YOLOv8 training, complemented by ResNet-50 and Vision Transformer (ViT) architectures. The training was “organic”, preserving real-world distortions to ensure robustness. Despite technical challenges in converting ViT to the required format, the final solution successfully integrated classification and detection. The system achieved 99.78% accuracy, with its operational viability validated in a production environment through real-world detections.
Descrição
Relatório de estágio, Mestrado, Informática aplicada, Instituto Politécnico de Santarém, Escola Superior de Gestão e Tecnologia, 2026
Palavras-chave
Machine Learning Computer Vision Fire detection
Contexto Educativo
Citação
Oliveira, W. (2026). Integração de Sistemas Orientados à Deteção de Fogos Noturnos (Mestrado). Escola Superior de Gestão e Tecnologia, Santarém. Disponível na WWW em:<http://hdl.handle.net/10400.15/6119>