Exportar registro bibliográfico

Aprendizagem profunda aplicada à separação de materiais recicláveis (2022)

  • Authors:
  • USP affiliated author: MORAES, THAIS HANASHIRO - ICMC
  • School: ICMC
  • Subjects: INTELIGÊNCIA ARTIFICIAL; REDES NEURAIS
  • Language: Português
  • Abstract: A gestão de resíduos sólidos urbanos (RSU) é um dos principais desafios que o mundo enfrenta atualmente (GUPTA et al., 2019). Anualmente são gerados 2.01 bilhões de toneladas de RSU, estima-se que esse número chegue a 3.40 bilhões até 2050. Desse total, ao menos 33% não são tratados de forma adequada, gerando impactos ambientais e sociais negativos (KAZA et al., 2018). O processo de reciclagem é essencial para a obtenção de uma economia circular, visando otimizar a etapa de triagem dos materiais recicláveis propõe-se utilização de uma rede neural profunda para a realização das tarefas de identificação e classificação necessárias. Para determinação da melhor arquitetura para a tarefa, inicialmente faz-se um levantamento bibliográfico, passando pela definição de redes neurais, até comentários sobre estruturas dos modelos estado da arte para detecção de objetos. Opta-se pela análise do impacto de alteração do backbone sobre a solução de segmentação de instância Mask R-CNN sobre a análise da desafiadora base ZeroWaste Dataset (BASHKIROVA, 2021). Tal dataset lançado em 2021, traz mais de 6 mil imagens anotadas com formato COCO, trazendo ao público uma base de domínio específico, voltada para a reciclagem de materiais em ambiente produtivo (quadros de filmagens feitas sobre uma esteira de separação de RSU recicláveis). Compara-se os resultados obtidos para a detecção de máscaras das instâncias anotadas para um modelo com backbone Resnet-50 e ResNext-101. Obtêm-se resultados a partir de 70% melhores para a precisão das máscaras com a backbone mais robusta.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão Publicada Thais Hanashiro Moraes.pd... Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MORAES, Thais Hanashiro. Aprendizagem profunda aplicada à separação de materiais recicláveis. 2022. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/4a96cfef-fa80-43c0-a046-912e5e870dff/Thais%20Hanashiro%20Moraes.pdf. Acesso em: 28 mar. 2024.
    • APA

      Moraes, T. H. (2022). Aprendizagem profunda aplicada à separação de materiais recicláveis (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/4a96cfef-fa80-43c0-a046-912e5e870dff/Thais%20Hanashiro%20Moraes.pdf
    • NLM

      Moraes TH. Aprendizagem profunda aplicada à separação de materiais recicláveis [Internet]. 2022 ;[citado 2024 mar. 28 ] Available from: https://bdta.abcd.usp.br/directbitstream/4a96cfef-fa80-43c0-a046-912e5e870dff/Thais%20Hanashiro%20Moraes.pdf
    • Vancouver

      Moraes TH. Aprendizagem profunda aplicada à separação de materiais recicláveis [Internet]. 2022 ;[citado 2024 mar. 28 ] Available from: https://bdta.abcd.usp.br/directbitstream/4a96cfef-fa80-43c0-a046-912e5e870dff/Thais%20Hanashiro%20Moraes.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2024